1. 倒立摆案例

2. 法一

2.1. 已知参数

LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain

摘要

提出了一种轻量级的，地面优化的激光雷达里程计和建图方法——LeGO-LOAM，一种实时的六自由度的地面车辆位姿估计工具。

LeGO-LOAM是轻量级的，可以在低算力的嵌入式设备中达到实时的位姿估计，同时，也是地面优化的，在分割和优化步骤中，利用了地面信息的存在来加以优化。

c11新特性_# decltype类型推导[From Net]

decltype 是 C++11 新增的一个关键字，它和 auto 的功能一样，都用来在编译时期进行自动类型推导。

decltype 是“declare type”的缩写，译为“声明类型”。

既然已经有了 auto 关键字，为什么还需要 decltype 关键字呢？因为 auto 并不适用于所有的自动类型推导场景，在某些特殊情况下 auto 用起来非常不方便，甚至压根无法使用，所以 decltype 关键字也被引入到 C++11 中。

auto 和 decltype 关键字都可以自动推导出变量的类型，但它们的用法是有区别的：

c11新特性_auto类型推导[From Net]

auto 类型推导的语法和规则

在之前的 C++ 版本中，auto 关键字用来指明变量的存储类型，它和 static 关键字是相对的。auto 表示变量是自动存储的，这也是编译器的默认规则，所以写不写都一样，一般我们也不写，这使得 auto 关键字的存在变得非常鸡肋。

C++11 赋予 auto 关键字新的含义，使用它来做自动类型推导。也就是说，使用了 auto 关键字以后，编译器会在编译期间自动推导出变量的类型，这样我们就不用手动指明变量的数据类型了。

auto 关键字基本的使用语法如下：

VINS-Mono-后端

class Estimator

VINS-Mono整体架构

架构

1. VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator

2. 摘要

单目VI系统，由单目相机和一个低成本IMU组成，形成6自由度的状态估计器。

然而，由于单目相机缺乏直接的距离测量，在IMU处理、估计器初始化、外部校准和非线性优化方面提出了重大的挑战。

1. 加法

1.1. 加法性质

2. 数乘

1. Gauges and Gauge Transformations for Uncertainty Description of Geometric Structure with Indeterminacy

2. 摘要

本文提出了一种一致的理论，用于描述从一系列图像中进行三维重建过程中的确定性和不确定性

首先给出关于gauges和gauge transformations的相关理论，然后讨论了如何评价具有不确定性的解的可靠性，并将克拉美罗下界推广到包含内部不确定性。

1. On the Comparison of Gauge Freedom Handling in Optimization-based Visual-Inertial State Estimation

2. 摘要

VI系统中有4个不可观测自由度，绕重力方向的旋转和平移(在本文中称为\(gauge~freedom\))，以及剩下一些可观的自由度，在求解过程中需要进行特殊的处理。 文章对比了以下3种处理方法: