這篇文章是： 關於基於優化方法的視覺慣性里程計的的變化相機-IMU時間偏移的建模

（這裡需要提一下的是以後閱讀文章我覺得應該先整體過一遍，然後再整理，就和做英語閱讀題一樣，先快速的有個全域性的掌握和認識） ——————————————————————————————————————————————————————————————————

一、自己不知道不清楚的基本常識和基礎知識：

是閱讀文章過程中遇到的一些自己不懂的地方的記錄，也算是擴充自己知識點的一個途徑吧：

1. global-shutter cameras：

首先shutter: 就是我們中文說所的 快門，用來控制相機內部感光片的有效曝光時間的機構

需要曝光時間短：global-shutter--------對應快速移動的東西（運動拍照）——————————噪聲大 需要曝光時間長：rolling-shutter--------對應夜晚絲絹般的車水馬龍——————————————噪聲小

對比完這兩種常見的快門之後就是具體的解釋了： global-shutter: 通過整幅場景在同一時間曝光實現的。Sensor所有畫素點同時收集光線，同時曝光。即在曝光開始的時候，Sensor開始收集光線；在曝光結束的時候，光線收集電路被切斷。然後Sensor值讀出即為一幅照片。CCD就是Global shutter工作方式。所有像元同時曝光。 rolling-shutter:

————————————————————————————————————————————————————————————————————

二、對自己可能有用的資訊：

1.【關於標定的文章：】 [1] Furgale, P., Rehder, J., Siegwart, R.: Unified temporal and spatial calibration for multi-sensor systems. In: Proc. of the IEEE/RSJ Intl. Conf. on Intell. Robots and Syst. (2013) 線上的標定： [2] Weiss, S., Achtelik, M.W., Lynen, S., Chi, M., Siegwart, R.: Real-time onboard visual-inertial state estimation and self-calibration of mavs in unknown environments. In: Proc. of the IEEE Intl. Conf. on Robot. and Autom. (2012) [3] Yang, Z., Shen, S.: Monocular visual-inertial fusion with online initialization and camera-IMU calibration. In: Proc. of the IEEE/RSJ Intl. Conf. on Intell. Robots and Syst. (2015)

2.【關於time-offset的文章：】 首先應該是最早引入time-offsets的文章 Jacovitti et al. estimate the time-offset by searching the peak that maximizes the correlation of different sensor measurements: [1]Jacovitti, G., Scarano, G.: Discrete time techniques for time delay estimation. IEEE Transactions on Signal Processing 41 (1993) 這篇文章的侷限性：cannot estimate time-varying time offsets 然後是Liet al. adopted a different approach. They assume constant velocities aroundlocal trajectories. Time offsets are included in the estimator state vector, and optimized together with other state variables within an EKF framework 參考這個文章： [2] Li, M., Mourikis, A.I.: 3D motion estimation and online temporal calibration for camera- IMU systems. In: Proc. of the IEEE Intl. Conf. on Robot. and Autom. (2013) 接著出現了：Instead of explicitly optimizing the time offset, Guo et al. proposed an interpolation model to account for the pose displacements caused by time offsets. 具體參考下面的文章： [3] Hesch, J.A., Kottas, D.G., Bowman, S.L., Roumeliotis, S.I.: Consistency analysis and improvement of vision-aided inertial navigation. IEEE Trans. Robot. 30(1), 158–176 (Feb 2014)

接著是我比較感興趣的地方就是文章的第四部分：Modeling Varying Camera-IMU Time Offset 本來想在time-offsets上面做一點文章的，但是看了之後發現自己目前的能力還是遠遠不能達到這樣的書評，還是慢慢修行吧！ 加油加油！

3. 【關於非線性優化框架的】 下面兩篇文章涉及到了較為具體的細節：之後有時間再看！ [1] Shen, S., Michael, N., Kumar, V.: Tightly-coupled monocular visual-inertial fusion for autonomous flight of rotorcraft MAVs. In: Proc. of the IEEE Intl. Conf. on Robot. and Autom. Seattle, WA (May 2015) [2] Leutenegger, S., Furgale, P., Rabaud, V., Chli, M., Konolige, K., Siegwart, R.: Keyframe-based visual-inertial SLAM using nonlinear optimization. In: Proc. of Robot.: Sci. and Syst. (2013)

————————————————————————————————————————————————————————————————————