本文已参与「新人创作礼」活动，一起开启掘金创作之路。
1.关于参数 max_solver_time 最大求解时间
在VINS中默认为0.04，迭代次数最多为8次，在实际使用中该参数需要根据性能调试，确保迭代次数足够，否则很难有一个很好的优化结果！
2.在IMU参数中，噪声和随机游走会直接影响到IMU的协方差矩阵，关于IMU的噪声，在标定的情况下是静止的，但是在运动时使用，因此一般将此扩大10~15倍去使用。
3.关于IMU和Cam的时间戳同步，理想的情况下是实现时间戳的硬同步。
4.在IMU、图像、后端三个线程中，后端需要处理IMU和图像，找到合适的图像和图像之间的IMU数据。因此该三个线程共用一个 m_buf 线程互斥锁。在后端process()中通过调用wait()自动调用m_buf.lock()来加锁，然后去寻找数据。如果未得到则线程被阻塞，自动调用m_buf.unlock()释放锁，使得IMU和图像的线程可以继续向BUF中添加数据，每当添加数据后都会调用con.notify_one唤醒process()线程。
5.在readImage对图像处理中，关于直方图均衡化，可增强图像的对比度。
cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE(3.0, cv::Size(8, 8));
在VINS中默认为3.0，如果将其增大，对比度会增加，同时噪声点也会增加。
6.在VINS中的光流跟踪也是直接调用
opencv中的函数，其中两个关键参数，一个为maxLevel为金字塔层数，还有一个则为flags，设置下一帧特征点的初始位置，如果为空则表示与上一帧相同。
cv::calcOpticalFlowPyrLK(cur_img, forw_img, cur_pts, forw_pts, status, err, cv::Size(21, 21), 3);
在VINS-MONO中设置为空。
7.协方差矩阵即不确定性，随着IMU帧数的增加，噪声的不确定性也增加。在IMU和视觉之间，通过对比协方差矩阵来判断更相信谁，其两者为一个相对的关系。
8.对于每一帧得到的图像，将当前帧看到的特征点image放到特征点管理器f_manager中，然后进行滑窗优化。image表示当前帧跟踪到上一帧的特征点集合。放入特征点管理器中，将当前帧与地图中的其他帧建立数据关联，若为已知点，则加到共视关系中，若为新点，则新建立一个特征点。
9.在SLAM后端中，首先确定所有的约束关系，然后针对每个约束确定三个要素：误差项、优化变量、协方差。然后计算Jacobian，调用GN、LM等求解BA。
10.在更新滑动窗口的过程中，要不去掉最老帧，要不去掉次新帧。在去掉最老帧的时候，该帧所看到的路标点需要更新该路标点的第一帧，IMU预积分信息舍弃掉。而在去掉次新帧时，次新帧上一帧到下一帧的两段预积分合并。
