slam中的imu预积分原理

这里主要说明预积分做了意见什么事情

1. 用IMU进行位姿等状态推算。原本是将加速度信息和陀螺仪信息转换到世界坐标系下，然后积分，得到速度、位置和旋转。如下
   

2. 这样就存在一个问题，在优化过程中，$q_{w{b}_t}$等是状态量，会在迭代过程中变化。这样每一次迭代就需要重新计算积分，计算量较大。

3. 每次加速度和角速度的积分可以不基于世界坐标系，而基于上次帧位姿。这样积分的结果就不随着状态量改变而改变了。如下
   

4. 这样还有一个问题，在积分过程中加速度和角速度的bias是变化的，而我们在同一次积分过程中，用的是同一个值。这样不合理。但是我们可以认为在同一个bias下积分的结果，是真实结果的一阶泰勒展开。这样我们就可以反推真实结果（虽然也是近似的）。如下所示。其中$\overline{\ast }$是积分得到的结果，$\ast$是反推得到的真是值。
   

5. 这样就得到了imu得到的位姿等状态量。这样就可以构建残差，如下
   

6. 对于优化而言，需要三个要素。残差、雅克比和协方差。根据残差，可得雅克比。

7. 那么最后一个问题，协方差如何得到呢？
   我们只知道加速度和陀螺仪的方差和bias的方差，但是残差是多个加速度计和陀螺仪积分的结果，他们协方差是什么呢？
   可以得到本次积分结果与上一次积分结果、本次imu方差之间的递推关系。
   一个测量量由两部分组成，真值+误差。而这里讨论方差，和真值没有关系。测量值的方差=误差的方差
   这样，积分结果就有这样一个递推关系。这里$\delta x_k$是本次的积分误差，$\delta x_{k-1}$是上次的积分误差，$n_{k-1}$是本次测量值的误差。
   

   根据
   

   所以，知道误差的递推方程，就可以得到协方差的递推方程。即要确定$F、G$
   又

   所以$F、G$就是$x_k$对$x_{k-1}$和$u_{k-1}$的雅克比。

8. 这样就求得了协方差的递推公式