EKF-SLAM中不一致性问题

对于EKF-slam这个问题讨论已久，对于解决这个问题的方法，我目前看到和理解的有三类：

（1）First-Estimates Jacobian，从系统可观测性的角度（连续时间系统中可观测性），论文《A First-Estimates Jacobian EKF for Improving  SLAM Consistency》中提出的这个方法，知乎上对这个也有讨论，https://www.zhihu.com/question/52869487/answer/132517493，讲的也比较细。MSCKF2.0就是用的这个方法对MSCKF1.0做的改进。OKVIS等算法中也使用到了类似First-Estimates Jacobian的方法进行优化。

MSCKF2.0： 《High-Precision, Consistent EKF-based  Visual-Inertial Odometry》

                  《Improving the accuracy of EKF-based visual-inertial odometry》

MSCKF1.0：《A Multi-State Constraint Kalman Filter for Vision-aided Inertial Navigation》

（2）robocentric mapping，以机器人为中心建图。《LIMITS TO THE CONSISTENCY OF  EKF-BASED SLAM》中提出的这个方法，ROVIO算法中解决一致性的问题就是使用的这个方法，其中路标的位置以以逆深度参数和2维方位向量表示，而不是3维世界坐标。

ROVIO：《Robust visual inertial odometry using a direct EKF-based approach》

（3）Stochastic Cloning：随机克隆。msf算法中处理了相对测量与绝对测量的之间的问题。部分上解决了不一致性的问题。

msf算法：《A Robust and Modular Multi-Sensor Fusion Approach Applied to MAV Navigation》