VIO算法总结（2）

VIO后端部分，存在两种实现方式，分别是非线性优化与滤波技术。这两种方法之间究竟存在哪些差异呢？实际上，其中所涉及的理论知识相当丰富。

从数学角度分析，两者均源自完整的贝叶斯推导框架。我们清楚地知道，卡尔曼滤波器在实现无偏估计时，要求系统具备线性特性，并且噪声服从高斯分布。然而，在诸如SLAM等非线性且噪声非高斯的系统中，必须进行线性化处理，即采用扩展卡尔曼滤波（EKF）。这种方式不可避免地引入了线性化误差。同样地，非线性优化方法也存在类似的线性误差。因此，在约束条件一致的前提下，我认为滤波与非线性优化这两种方法在数学本质上是等价的。

那么它们之间的区别是什么呢？

滤波方法持续维护一个状态变量（包括所有优化变量）的协方差矩阵。

EKF更新方程

针对MSCKF方法，IMU通过预测过程获取姿态的先验数据，同时得到IMU的先验协方差（与非线性优化过程类似）：

对协方差矩阵实施更新操作。假定I