無人機的關鍵技術是定位，對于無人機定位來說，實時性是一個重要的條件。但是單目視覺SLAM算法存在一些自身框架無法克服的缺陷，視覺里程計常常需要在計算代價與精度之間做權衡。
然而，IMU剛好可以彌補視覺SLAM的不足，融合 IMU 和視覺信息的 VIO 算法能夠很大程度地提高單目 SLAM 算法的性能，是一種低成本、高性能的導航方案，并且在無人機、機器人及AR/VR等領域都得到了應用。
因此，VIO在工業(yè)中占據(jù)了相當重要的地位，在市場上也是有越來越大的需求。 同時，很多機器人領域的伙伴在后期的學習過程中，也發(fā)現(xiàn)了單一傳感器存在的弊端，意識到需要學習更加可靠的融合定位方法。
但VIO是一個龐大的任務系統(tǒng)，包含了SLAM的各個部分，需要系統(tǒng)學習了解各個部分之間的關系。很多伙伴在學習VIO過程中發(fā)現(xiàn)，自己雖然有一些SLAM的基礎，但僅是學完了十四講，跑通了幾個經典的系統(tǒng)代碼，很少能夠透徹理解其中的原理。
面對SLAM與IMU融合的框架，也很難快速找到學習的思路。無法透徹理解VIO的根本原理，遇到問題不能快速提出解決方案，更達不到企業(yè)用人要求！
通過了解VIO系統(tǒng)的融合框架，使大家很大程度上加深對SLAM整個系統(tǒng)的理解。對SLAM行業(yè)的從事者、在校學生的學習都會有很大的幫助。為未來的研究學習以及工作應用提供更多思路，同時能夠解決工程中的一些實際問題。
