单目/双目与IMU的融合（一）

当前单目SLAM技术面临初始化阶段的尺度不确定性以及跟踪过程中的尺度漂移问题，而双目SLAM同样存在精度不足和鲁棒性较差的缺陷。为应对上述挑战，研究者提出了将IMU与视觉信息进行融合的思路。

那么IMU在其中扮演着怎样的角色呢？

单目系统中：

（1）用于解决初始化时存在的尺度不确定性问题；

（2）在跟踪过程中提供更为准确的初始位姿估计；

（3）能够确定重力方向；

（4）为优化过程引入时间相关的误差项。

双目系统中：

（1）在跟踪过程中提供更为可靠的初始位姿估计；

（2）用于确定重力方向；

（3）为优化过程引入时间相关的误差项。

目前关于该领域的融合研究已有大量文献发表，但可供公开使用的代码资源相对较少。以下列举了一些较为优质的开源代码和相关论文：

开源代码：

（1）基于EKF实现的IMU与单目数据融合代码

https://github.com/ethz-asl/rovio

（2）IMU与单目数据融合的开源实现

https://github.com/ethz-asl/okvis_ros(非线性优化）

（3）ORBSLAM结合IMU的立体相机版本

https://github.com/JzHuai0108/ORB_SLAM

相关论文：

（1）基于关键帧的视觉惯性里程计方法（OKVIS的相关论文）

（2）基于流形的IMU预积分