MSCKF算法在VIO中的创新与应用研究：邱笑晨@BUAA2019.12.01

MSCKF（Multi-State Constraint Kalman Filter）是一种视觉惯性里程计（VIO）方案，本质上是一个扩展卡尔曼滤波器。传统的基于EKF的VIO中，状态一般为当前位姿和地图点，由于地图点较多，造成系统维度很大，计算量也很大。为了降低计算量，MSCKF采用了一些特殊的技巧，如采用历史位姿状态增广的方式构建滤波器状态，不再包括地标点；利用零空间投影消去不属于滤波器状态的地标点误差；再次利用零空间投影浓缩测量残差，进一步降低计算开销。MSCKF的原理是在信息融合层次上实现紧耦合，通过更新位姿状态并且减少地标点，从而实现对VIO算法的优化。 在MSCKF中，传统的EKF-VIO因子图被重新设计为因子图示意图，将当前帧位姿红色图形作为状态的节点，采用不同的因子来描述约束条件，如reprojection factor，INS propagation correlation，prior factor for landmarks等，以实现对当前位姿和地标点的状态估计。通过这种方式，MSCKF的状态维度得到了优化，系统的计算量也得到了显著降低，从而有效解决了传统VIO算法中存在的问题。 总的来说，MSCKF是一种基于EKF的VIO方法，通过特殊的状态构建和测量残差处理技巧，实现了对系统计算量的降低，从而提高了系统的实时性和精度。该算法在视觉惯性里程计领域有着广泛的应用前景，为实现机器人、车辆等移动设备的定位和导航提供了一种有效的解决方案。随着VIO技术的不断进步和发展，相信MSCKF算法在未来会有更多的突破和创新，为移动设备的智能导航和定位带来更多的便利和效益。 因此，MSCKF作为一种优化的VIO算法，通过其独特的状态更新和测量残差处理方法，为实现对移动设备的高精度定位和导航提供了重要的技术支持，有着广阔的应用前景和发展空间。希望通过不断地研究和优化，可以进一步提升MSCKF算法的性能和稳定性，为移动设备的智能导航领域带来更多的创新和进步。