- 因为求解方式类似与梯度下降，VINS 这种基于优化的模式对初始值非常敏感，初始值不好的话，会陷入局部最优解（或者不是我们想要的部分极小值）。
- 为了保证系统的极小值是我们要的，那么初始值就需要距离正确值比较近，这样迭代次数也少一些，也节约了计算时间和运算资源，也可以保证实时性。
需要初始化的变量如下，分别是滑窗，状态，和外参： $$ \begin{aligned} \mathcal{X} & =\left[\mathbf{x}{0}, \mathbf{x}{1}, \ldots \mathbf{x}{n}, \mathbf{x}{c}^{b}, \lambda_{0}, \lambda_{1}, \ldots \lambda_{m}\right] \ \mathbf{x}{k} & =\left[\mathbf{p}{b_{k}}^{w}, \mathbf{v}{b{k}}^{w}, \mathbf{q}{b{k}}^{w}, \mathbf{b}{a}, \mathbf{b}{g}\right], k \in[0, n] \ \mathbf{x}{c}^{b} & =\left[\mathbf{p}{c}^{b}, \mathbf{q}_{c}^{b}\right]\end{aligned} $$
- 有些变量不是通过初始化得到的，比如加速度计的零偏，初始化很难得到准确的加速度零偏的结果。
- 平移外参也很难求解，VINS里是不去估计他们的，直接假设已经提前知道了平移外参。
- 加速度计的零偏不好求，就算我们忽略掉，对结果的影响也比较小。在后端中，加速度计的零偏再进行优化。初始的时候零偏当做0直接算，对结果影响不大。
- 为什么不优化加速度计的零偏？因为他很难从重力中区分出来。就算忽略掉，也对结果影响不大。
初始化之前：
