for (auto &reading: imu_since_prev_img) { msckf_.propagate(reading); Vector3<float> gyro_measurement = R_imu_cam_ * (reading.omega - init_imu_state_.b_g); track_handler_->add_gyro_reading(gyro_measurement); }

imu_since_prev_img是一个存储IMU读数的向量或数组。这个for循环遍历了imu_since_prev_img中的每个IMU读数，并且对每个读数执行了两个操作：

1. 通过msckf_.propagate()函数将当前IMU读数传递给MSCKF（Multi-State Constraint Kalman Filter）滤波器进行状态预测和协方差更新。

2. 基于当前相机到IMU的旋转矩阵R_imu_cam_和IMU读数中的角速度信息来计算出陀螺仪的测量值，并将其存储到运动估计的处理器（track_handler_）中。

其中，msckf_是指MSCKF滤波器对象，它用于对IMU和视觉读数进行多状态约束卡尔曼滤波。而track_handler_是一个处理器对象，它用于接受陀螺仪测量值，并将其用于运动估计和状态更新。

相关问题

std::vector<imuReading<float>> imu_since_prev_img; imu_since_prev_img.reserve(10);

这段代码定义了一个`std::vector`类型的变量`imu_since_prev_img`，是一种动态数组，其中存储的元素是`imuReading<float>`类型的结构体。同时，使用`reserve(10)`函数为该向量预留了10个元素的空间，这样做是为了避免向量频繁扩容，提高效率。

需要知道更多上下文信息才能确定代码的具体含义。

Camera<S> camera_; // 相机类 noiseParams<S> noise_params_; // 噪声参数类 MSCKFParams<S> msckf_params_; // MSCKF参数类 // prunedStates; std::vector<featureTrack<S>> feature_tracks_; std::vector<size_t> tracked_feature_ids_; std::vector<featureTrackToResidualize<S>> feature_tracks_to_residualize_; size_t num_feature_tracks_residualized_; std::vector<size_t> tracks_to_remove_; size_t last_feature_id_; imuState<S> imu_state_; std::vector<camState<S>> cam_states_; std::vector<camState<S>> pruned_states_; std::vector<Vector3<S>, Eigen::aligned_allocator<Vector3<S>>> map_; Matrix<S, 15, 15> imu_covar_; MatrixX<S> cam_covar_; Matrix<S, 15, Dynamic> imu_cam_covar_; std::vector<S> chi_squared_test_table; Vector3<S> pos_init_; Quaternion<S> quat_init_; Matrix<S, 15, 15> F_; Matrix<S, 15, 15> Phi_; Matrix<S, 15, 12> G_; MatrixX<S> P_;

这段代码看起来像是一个多传感器状态估计器，其中包含相机类、噪声参数类、MSCKF参数类等，同时也有保存特征跟踪、IMU状态、相机状态、地图、以及各种协方差矩阵等。其中的imu_cam_covar_可能是IMU和相机之间的协方差矩阵，而chi_squared_test_table可能是卡方检验表。请问这个多传感器状态估计器是用来做什么的？