通过构建完整的残差模型并使用舒尔补完成的新型的基于滤波的 VINS 系统，我们能够在资源受限的设备上实现高精度定位且具有低计算复杂性。

Dec, 2023

VINS-Mono 是一个鲁棒且多用途的单眼视觉惯性状态估计器，通过结合预积分 IMU 测量和特征观察，采用紧耦合的非线性优化方法，利用波束法检测模块，实现最小计算开销的重定位，并进行四自由度位姿图优化以确保全局一致性，具有高精度和通用性。

Aug, 2017

本文提出了一种新颖的机器人中心视觉惯性导航系统的公式，在滑动窗口滤波框架内进行设计，使用单眼相机和 6 轴 IMU 实现高精度的运动跟踪，将 VINS 相对于运动的局部坐标系进行重构，以获得更高精度的相对运动估计，并提出 R-VIO 算法。该算法在 Monte Carlo 的模拟实验和真实环境实验中进行了广泛测试，并显示出在一些方面打破了当前技术的局限性。

May, 2018

研究了基于不变扩展卡尔曼滤波器的同时定位和地图构建算法的收敛性和一致性特性，证明了该算法的基本收敛特性并探讨了其在变换下的不变性质，模拟结果表明该算法优于其他算法。

Feb, 2017

该研究开发了利用 Lie 群和不变观测器设计技术的接触辅助不变扩展卡尔曼滤波器（InEKF），该滤波器结合了接触惯性动力学和正向运动学校正，可估计姿态和速度以及所有当前接触点。研究表明，误差动力学遵循对数线性自治微分方程，从而提高了收敛性能，并产生了符合非线性系统的本地可观测矩阵。该过程在 Cassie 系列双足机器人上进行了模拟和实验，并表明其比基于四元数的 EKF 具有更好的性能。

Apr, 2019

本文全面综述了视觉惯性导航系统（VINS）的研究概况，旨在加速 VINS 及其它领域的研究，满足并推动社会的需求。

Jun, 2019

本文提出了一种基于状态约束卡尔曼滤波器的、用于自主飞行的滤波器的立体视觉惯性测距法，并证明了这种方法具有与现有的单目解决方案相当的计算成本，同时提供了更高的鲁棒性。

Nov, 2017

本研究提出了一种基于 Schmidt 卡尔曼滤波的高精度的 VI-SLAM 算法，将 IMU 测量和单目图像紧密耦合，以提供带有有界误差的三维运动跟踪，并通过针对性地选择信息特征来减少计算量，同时仍然允许 EKF 正确地考虑其与活动状态之间的交叉关系，从而实现了线性计算复杂度以适应移动和可穿戴传感器系统。

Mar, 2019

本文提出了一种单目视觉惯性 SLAM 系统，可以通过重新定位相机和获取先前构建的地图中的绝对姿态来校正漂移，并进行全局一致性的 4 自由度姿态图优化，进而实现地图合并。

Mar, 2018

本研究介绍了一种自适应的 Kalman-fusion 变换器 (A-KIT) 方法，通过学习实时变化的过程噪声协方差矩阵来提高传感器融合的性能，并通过实验表明，相对于传统的 EKF 和基于模型的自适应 EKF，A-KIT 在位置精度上提高了超过 49.5% 和平均 35.4%。

Jan, 2024