对于VINS-Mono算法进行了梳理，结合算法对代码进行了简单介绍

适用于Ubuntu20.04的VINS-mono源码，与官方源码比，修复了在Ubuntu20.04上编译时出现CV_FONT_HERSHEY_SIMPLEX未定义、‘CV_RGB2GRAY’ was not declared等错误。

配置文件： rs_camera.launch realsense_color_config.yaml

4、闭环校正&全局位姿图优化 真真的 紧耦合 部分，而初始化的过程事实上是一个 松耦合。因为初始化过程中的状态量并没有放在最底层融合，而是各自做了位姿的计算，但是在后端优化的过程中，所有优化量都是在一起的。 特征检索 闭环检测 重定位 位姿图加入关键帧 4DOF位姿图优化 数据库管理 使用DBoW2词袋模型和BRIEF描述子检测闭环 当检测到闭环时，需要检索特征建立连接，本文仅建立含深度信息的前端提取的特征间的连接 当检测到闭环时，需将闭环帧与窗口内关键帧进行联合优化，加入闭环帧仅增加了视觉约束而没有增加IMU约束 当检测到闭环时，需当关键帧被边缘化时，将它加入位姿图，实际上为减少计算量每三个才加入一个 由于惯性视觉系统可以观测到绝对尺度、俯仰角和滚动角，累积漂移仅出现在位置xyz和偏航角4个自由度上。因此闭环后，需要进行4自由度而不是6或7自由度位姿图优化 当关键帧数量超过某个门限时，根据关键帧密度分布去掉一些密集的关键帧

VINS-Mono详解.pdf

VINS-Mono代码注释，仅供学习，适用于对vins-mono有一定了解的SLAM算法工程师。

VINS-Mono代码注释.7z

如果想做多传感器融合SLAM的VINS是首先要学的一个框架，我对VINS代码进行了详细的注释，希望能帮助大家。

VINS-Mono点线优化的源码

VINS-Fusion中文注释版 创新学习用。 十分感谢港科大各位老师的工作。 目前唯一注释了前端VIO部分。 相应博客 参考内容 以及一些其他的博文，在代码中也进行了注释。 基于优化的多传感器状态估计器 VINS-Fusion是基于优化的多传感器状态估计器，可为自主应用（无人机，汽车和AR / VR）实现准确的自定位。 VINS-Fusion是的扩展，它支持多种视觉惯性传感器类型（单摄像机+ IMU，立体摄像机+ IMU，甚至仅立体摄像机）。 我们还展示了一个将VINS与GPS融合的玩具示例。 特征： 支持多种传感器（立体声摄像机/单镜头摄像机+ IMU /立体声摄像机+ IMU） 在线空间校准（相机和IMU之间的转换） 在线时间校准（相机和IMU之间的时间偏移） 视觉闭环 我们是 （2019年1月日）上排名第一的开源立体声算法。 作者：香港，曹少祖，潘洁，和 影片：