VIO：相机 IMU的融合定位框架
SLAM虽然解决了让移动机器人知道“我在哪里”的问题，但单目视觉 SLAM 算法存在一些自身框架无法克服的缺陷，比如尺度、累积误差等问题。
而IMU弥补了视觉SLAM的不足，融合IMU和视觉信息的VIO算法能够很大程度地提高单目SLAM算法的性能，是一种低成本高性能的导航方案，在机器人、AR/VR等领域得到了广泛应用。
因此，VIO在工业中占据了相当重要的地位，在市场上也是有越来越大的需求。 同时，很多机器人领域的伙伴在后期的学习过程中，也发现了单一传感器存在的弊端，意识到需要学习更加可靠的融合定位方法。
但VIO是一个庞大的任务系统，包含了SLAM的各个部分，需要系统学习了解各个部分之间的关系。很多伙伴在学习VIO过程中发现，自己虽然有一些SLAM的基础，但仅是学完了十四讲，跑通了几个经典的系统代码，很少能够透彻理解其中的原理。
面对SLAM与IMU融合的框架，也很难快速找到学习的思路。无法透彻理解VIO根本原理，遇到问题不能快速提出解决方案，更达不到企业用人要求！
通过了解VIO系统的融合框架，使大家很大程度上加深对SLAM整个系统的理解。对SLAM行业的从事者、在校学生的学习都会有很大的帮助。为未来的研究学习以及工作应用提供更多思路，同时能够解决工程中的一些实际问题。
大家透彻理解理论知识的同时，通过每章搭配的实践项目作业，即学即练，亲自动手实操达到灵活掌握，融会贯通的效果。
掌握VIO每个公式推导的过程，打下扎实的数学基础；
掌握基于图形优化的多传感器信息融合框架；
手写后端优化器，理清SLAM后端每个细节；
加深对优化的理解，为以后移植、加速或改进SLAM系统提供技术支持；
具备举一反三的能力，打通SLAM的任督二脉！
1. 优质的学习圈子
伙伴们大多是来自985、211及海外院校硕博，在这里大家一起学习、进行讨论与研究。独一无二的优质圈子将是你未来学习与就业的宝贵资源。