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

本文介绍了一种新的紧密耦合的视觉惯性同时定位和建图系统，采用惯性测量单元进行初始测量，实现了零漂移定位，带有地图重用功能，并应用于单目相机的最一般问题。在微型飞行器公共数据集的 11 个序列中测试了该系统，证明了其比目前最先进的视觉惯性测量方法更为准确。

Oct, 2016

通过建立事件的生成模型来解决映射和相机姿态跟踪的问题，并提出提高事件边缘像素采样效率以及结合时间立体结果和静态立体结果来改善映射性能，同时通过引入陀螺仪测量作为先验来解决相机姿态跟踪中的退化问题，通过公开数据集的实验证明了改进的方法的有效性。

May, 2024

本文提出了一种基于不变扩展卡尔曼滤波器 (RIEKF-VINS) 的方法，并通过 Monte Carlo 模拟和实际实验验证了该方法在视觉惯性导航系统中的有效性。该方法使用一种新的不确定性表示方法，可以保留 VINS 中的不变性质，并将 RIEKF-VINS 适用于多状态约束卡尔曼滤波器框架，从而获得一致性的状态估计。

Feb, 2017

本文提出了基于关键帧的视觉惯性同步定位与地图构建（SLAM）方法，通过在线环路闭合和非线性优化方法，使得我们的系统在单目和立体相机上具有实时、准确和鲁棒的位姿估计能力，支持先前建立地图的重定位和持续的 SLAM 操作，并在室内和户外公开数据集上展示了我们方法高精度、高效的性能。

Feb, 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

本文提出了一种高效、稳定的激光雷达惯性组合导航算法，它基于迭代扩展卡尔曼滤波，将激光和 IMU 数据进行融合，有效地实现了在快速运动，嘈杂或杂乱环境中的关闭式导航，在大数据处理时具有较低的计算复杂度，并成功测试于室内外的各种场景中，并且非常适合在四轴飞行器等小型计算设备上实施。

Oct, 2020

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

EDI 是一种快速、准确和稳健的视觉惯性初始化方法，它采用 Error-state Kalman Filter（ESKF）来估计陀螺仪偏差并通过单目 SLAM 来校正旋转估计，提供了一个封闭解法来估计初速度、尺度、重力和加速度偏差，并引入权重来处理重力和加速度偏差的耦合问题。在 EuRoC 数据集上进行的广泛评估表明，该方法在不到 3 秒的时间内平均尺度误差为 5.8%，性能优于其他最先进的分离式视觉惯性初始化方法，甚至在复杂环境和带有人工噪声干扰的情况下也能表现出色。

Aug, 2023

本文提出了一种基于优化的通用框架，支持多个传感器集合，可以轻松融合各种传感器进行姿态图优化，在公共数据集和多个传感器的实际应用中验证了该系统的性能，并与其他最先进的算法进行了比较。

Jan, 2019