* @brief return the state index * @note * @retval */

* @brief return the state cov const * @note * @retval */

* @brief get the latest gnss data * @note * @param &gd: * @retval */

* @brief eliminate the elemt of state cov * @note * @param index: start index (from 0) * @param count: total eliminate rows and cols (default

* @brief get the count of state cov * @note * @retval */

* @brief 数据处理入口 * @note * @retval None */

* @brief 开启gnss数据线程, 读取Gnss数据 * @note * @retval */

* @brief Kalman滤波量测更新,更新状态方差 * @note * @param &Phi: * @param &Q: * @retval */

[run_and_save]

* @brief 获取状态转移矩阵,排列顺序为 0 位置 3 速度 6 姿态角误差 9 陀螺零偏 12 加速度计零偏 15 陀螺比例因子 18 加速度计比例因子 * @note * @param &pre_imu_data: * @param &curr_imu_data: * @pa

* @brief 对相机状态进行反馈，更新相机的位姿 * @note * @param &dx_camera: * @retval None */

* @brief Determine the index of the estmiate state * @note * @param &state_index: * @retval None */

namespace * @brief 开启对准 * @note * @param &nav_info:对准结束后的导航信息数据 * @retval */

[compute_errors] [board_corners]

[compute_errors]

[board_corners]

Print camera parameters to the output file

* @brief 增加匹配到的特征点到观测序列中去 * 1.如果当前匹配的特征点在上一帧中存在直接加入观测值到其observation中 * 2.如果是全新的特征点，则构建新的特征点，添加前后两帧图像的观测数据，并增加到feature的序

* @brief 状态增广 * 1.增加相机的状态到map_state_set_中去 * 2.增广对应相机状态的方差协方差到滤波方差中去 * 参考msckf:https://github.com/KumarRobotics/msckf_vio

* @brief 判断对的特征点能否进行三角化 * @note * @param &feature: 待判断的特征点 * @retval -true -false */

* @brief 利用点的匀速变化来探测可能出现的错匹配点 * @note 2020-02-03 增加 * @param &feature: 待判断的特征点 * @retval */

* @brief 决定当前时刻使用多少特征点进行量测更新 * @note 1.不在当前帧中可以观测到的点备选为可以进行量测更新的点 * 2.[1]中观测次数不超过三次的点，不参与量测更新 * 3.[1]无法进行三角化的点剔除，不参与量测更新 * @ret

* @brief 循环更新全部的量测feature点集 * @note * @retval None */

* @brief 利用OPENCV的库实现特征点的匹配 * @note * @param &descriptors1: * @param &descriptors2: * @param &matches: 匹配结果 * @param default_min_distan

* @brief 卡方检验 摘自msckf:https://github.com/KumarRobotics/msckf_vio * @note * @param &H: * @param &r: * @param &dof: * @retval */

* @brief get the latest gnss data * @note * @param &gd: * @retval */

* @brief 调用opencv的goodFeaturesToTrack提取角点 * @note * @param &image: * @param &keypoints: * @retval None */

* @brief 初始化 * @note * @retval */

* @brief insert state into the state cov * @note //! attention the inserted data will insert before of the start_index * @param start_index:

* @brief * @note * @param &pre_image: * @param &curr_image: * @param &pre_keypoints: * @param &curr_keypoints: * @retval None */

* @brief LM优化求解特征点在世界坐标系下的位置 * @note // 2020-02 测试通过 * 逆深度参数法求解 * @param &feature: 待求的特征点 * @retval */

* @brief 对已经获得三维坐标的feature点进行量测更新 * @note * @param &feature: 待更新的点 * @param &H_state: 对应的量测更新矩阵 * @param &z_measure: 该点对应的残差向量 * @retval

* @brief 确定量测噪声，进行量测更新，返回dx * @note * @param &H_state: 量测矩阵 * @param &z_measure: 残差矩阵 * @retval 修正量 */

* @brief 调用ORB-Slam2中现成的ORB特征点提取函数，获得特征点及其描述子 * @note * @param image: 输入图像 * @param &keypoints: 提取的关键点，输出给用户 * @param descriptors: 对应关键点的描述

* @brief 利用RANSAC方法剔除外点，留下匹配度较好的点 * @note * @param &keypoints1: * @param &keypoints2: * @param &matches: * @retval None */

* @brief 根据单应性原理：已知一个平面的关键点可以得到另一个平面的关键点 * @param input_pts：上一时刻的第一个相机对应的关键点 * @param R_p_c: 利用imu数据计算得到的前后两个时刻图像帧的旋转初值 * @param intrinsics:相机内参 *

* @brief 读取配置文件中Camera存储的路径和时标 * @note 默认一行格式为 gpsweek secondofweek imagefilename * @retval None */

* @brief 移除多余的camera状态量，对feature完全没有观测了 * @note * @retval None */

* @brief 查找移除的两个状态量,并更新对应的特征点 * @note * @retval None */