1.内容回顾关于Bezier曲线的定义和生成程序，请参考https://blog.csdn.net/iwanderu/article/details/103604863， 本节内容会部分沿用上一节代码。和曲线在空间的表示法一样，参数表示法来描述曲面更加方便，它的分类如下：Bi-linear PatchRuled PatchCoons PatchBi-cubic PatchHermi...

这一部分会接收来自imageProjection处理完的lidar帧数据，对应的点云是去畸变的，也就是在同一个坐标系下。这部分对此帧的点云进行面点，角点特征的分类。这一章内容比前一章还要简单一些，作者在这里做了大幅度的点云降采样，有些奢侈了。工业中很少会使用密度如此高，精度如此高的传感器，数据处理往往是业界关注的问题。3. 功能入口int main(int argc, char** argv){r

8.sliding window8.1 理论基础实际上，这一部分跟后端非线性优化是一起进行的，这一部分对应的非线性优化的损失函数的先验部分。理论基础部分的代码基本在第7章部分。8.1.1 上一次非线性优化结束，最后的H矩阵就是本轮非线性优化的先验矩阵的前身。8.1.2 构造先验矩阵(1)移动需要marg掉的pose和路标点对应的，J矩阵的一些列需要删除掉；H矩阵的一些行需要删掉。在操作...

1.为什么要介绍这个方法？2018年的时候，D.DeTone等人发表了Self-Supervised Interest Point Detection and Description，提出了一种特征提取SuperPoint的方法。他们在训练Superpoint的时候，构造了一组人工合成数据集Synthetic Shapes dataset(这个数据集能提供角点的坐标作为groundtruth)，因

参考论文： Pixel-level Extrinsic Self Calibration of High Resolution LiDAR and Camera in Targetless Environmentsgithub:https://github.com/hku-mars/livox_camera_calib这篇论文是著名的港大Mars Lab出品，他们解决的是livox和camera的

之前学习VINS和LIO-SAM的时候都是代码流，不是很重视看论文，现在有空学ORB-SLAM3了，这一次，先看一下论文。考虑到边上班边学，更新的会比较慢。看完论文之后，对这个系统最大的主观感受就是它的多图系统Atlas。机器人运行过程中是可能会跟丢的，一旦跟丢了就新建一个map，如果走到之前的位置，一旦发现和之前的map是同一个地方，就可以合并map。它的初始化和VINS很像，地图操作，回环检测

LIO-SAM是2020年新出的激光SLAM，代码量不大，结构统一清晰，是我看的最快的一篇SLAM代码，效果在原数据集也不错。有一个不错的注释版代码写的不错，https://github.com/smilefacehh/LIO-SAM-DetailedNote。注释中，mapOptimization中位姿初始估计的解释和我的理解不太一样，放流程图了。......

目前网上有很多分析文章，但是都只是一些比较基础的原理分析，而且很多量，虽然有推倒，但是往往没有讲清楚这些量是什么，为什么要有这些量，这些量是从哪来的，也没有刷通整个代码，或者太简练了，对新手不友好。这一次我计划从原理/代码一步步刷通整个VINS，并且说清楚代码中遇到的每一个数据结构对应的作用是什么。github官方上开源了VINS-mono，VINS-Fusion和VINS-mobile，还有另.

7.2 代码在estimator.cpp的processImage()的最后，代码如下：else//solver_flag = NON_LINEAR,进行非线性优化{solveOdometry();//<--1//边界判断：检测系统运行是否失败，若失败则重置估计器if (failureDetection()) /...

知识点：如何使用GTSAM；已知上一帧lidar里程计(频率低)，当前帧lidar里程计(频率低)，两个lidar帧之间的IMU数据，如何利用图优化的方式优化位姿状态量(PVQ)和IMU状态量(noise，bias)；如何结合lidar里程计(频率低)和IMU数据(频率低)输出IMU里程计(频率高)。4. 综述从看代码的角度讲，LIO-SAM涉及到的数学好像不是很多，基本GTSAM都给你搞定了，所