Vins-Fusion整体框架，数据流分析

一、VINS Fusion

VINS Fusion是一种基于优化的多传感器状态估计器，可实现自主应用（无人机、汽车和AR/VR）的精确自我定位。VINS Fusion是VINS Mono的扩展，支持多种视觉惯性传感器类型（单摄像机+IMU、双目相机+IMU，或纯双目相机），且支持将VINS与GPS融合。主要特点如下：
(1)支持多传感器（双目相机/单目相机+IMU/双目相机+IMU）
(2)实时camera-imu外参校准（相机和IMU之间的转换）
(3)实时同步时间校准（相机和IMU之间的时间偏移）
(4)闭环可视化
下图为VINS Fusion整体框架

从VINS Fusion整体框架，可以很清楚数据流。分为三个节点vins_estimator，loop_fusion，global_fusion，本文先重点分析vins_estimator。
根据框架图，vins_estimator主要完成：1.前端，基于LK光流法的特征点跟踪函数featureTracker、IMU预积分得到当前帧位姿processIMU、三角化得到路标点(特征点位置)trianglate；2.后端优化optimization，滑窗优化位姿，位置此外还会优化零偏、外参、相机与imu时差，滑窗、边缘化slideWindow。3.初始化，完成位姿、位置、零偏初始化计算，也相当于要走一遍优化过程。
前端还比较简单，感觉重点在后端优化，很复杂。。。

参考：
https://github.com/HKUST-Aerial-Robotics/VINS-Fusion
https://blog.csdn.net/u010196944/article/details/127239342
https://blog.csdn.net/u010196944/article/details/127238908
https://blog.csdn.net/u010196944/article/details/127240169