VIO精度，主流深度相机，i-TOF，双目深度，融合前端

VIO/VINS/VSLAM问题定位流程与思路

主要涉及机器人状态估计与机器视觉，多传感器结合时，BA优化与卡尔曼滤波的差异及如何选择。

卡尔曼滤波与机器人状态估计 以相对简略的方式描述卡尔曼滤波数理部分

ORB是一种相当有效的提取前端特征的方法，主要提取角点与描述子。角点就是角点咯(和字面意思一样)，描述子(Descripter)是比较有趣的东西，实际上相当于给其定义了一个。的位姿估计前端，这个从原理和逻辑看应该属于学习网络(仍然需要样本和数据集，但是可以高速生成)，具体大家可以去研究孙博士的LoFTR，总体这个挺复杂的。前端里程计总体来说是比较简单的部分，描述常用的3种，有部分前端涉及到专利壁垒

白话贝叶斯法则与概率 从华为到港科 从港科到机器视觉从机器视觉到多传感器融合融态工程

关于机器人状态估计/VIO/VSLAM中能观性/可观性/FEJ的一些直接解释

关于VINS-MONO与VIO轨迹漂移问题定位的一些方向