以下內容來自從零開始機器人SLAM知識星球 每日更新內容

點選領取學習資料 → 機器人SLAM學習資料大禮包

MSCKF全稱Multi-State Constraint Kalman Filter（多狀態約束卡爾曼濾波器），是一種基於濾波的VIO演算法，2007年由Mourikis在《A Multi-State Constraint Kalman Filter for Vision-aided Inertial Navigation》中首次提出。MSCKF在EKF框架下融合IMU和視覺資訊，相較於單純的VO演算法，MSCKF能夠適應更劇烈的運動、一定時間的紋理缺失等，具有更高的魯棒性；相較於基於優化的VIO演算法，MSCKF精度相當，速度更快，適合在計算資源有限的嵌入式平臺執行。在機器人、無人機、AR/VR領域，MSCKF都有較為廣泛的運用，如Google Project Tango就用了MSCKF進行位姿估計。

賓夕法尼亞大學開源的雙目MSCKF版本是比較公認的優秀濾波開源框架，效果如下：

以上內容來自從零開始機器人SLAM知識星球 每日更新內容