视觉导航与惯性导航良好的互补性和自主性使视觉/惯性组合导航技术逐渐成为导航领域的一个新的研究热点。目前,在视觉/惯性组合导航的算法中有两种主流的方法,分别是基于滤波的组合形式和基于优化的组合形式。在基于滤波的组合导航算法中,仅能对当前的定位信息进行修正,不能对之前的定位信息进行修正。而在基于优化的组合导航算法中,可以通过图的构建和图的优化对整体的轨迹进行优化与误差补偿。但是随着时间的累积,在基于优化的算法中所需要处理的数据越来越多,计算的速度也就会受到影响。为了满足实际应用中对于实时性的要求,论文使用了以下策略来提高计算的速度:对于视觉部分的数据,首先引入关键帧,在利用优化算法估计移动平台的位置和方向的变化之前先进行关键帧的筛选,从而减少处理图像的数量。其次引入了滑动窗口的概念,通过边缘化技术有选择的将一些状态变量从估计器中剔除,从而将所需要优化的数据限制在一个有界窗口内,只有当检测到闭环的时候才会对整体的位姿图进行优化。优化变量仅包括载体的位姿参数,而不包含特征点的空间位置参数。对于IMU部分的数据,由于IMU的采样频率远高于相机的采样频率,因此如果直接将IMU的数据加入到优化算法的话,计算的开销会大大提高。本文中使用了预积分的方法,将两个关键帧之间的IMU数据首先进行预积分处理,然后再与视觉部分进行组合优化,这样能够大大降低优化的数据量,从而提高计算速度,保证系统的实时性。