SVL-VI SLAM

3.4. Mappoints management and key frame process
如果在步骤3.3中成功跟踪地图点，则缓存地图点以在下一帧中优先化。当完成当前帧的跟踪时，应该为下一帧更新帧运动速度和地图点。最后，决定当前帧是否应该作为关键帧产生，其标准指的是[11]。 如果框架作为关键帧生成，则会提取并匹配新的ORB要素，同时在此关键帧中保留成功跟踪的要素。ORB功能在关键帧中提取; 因此，当前关键帧姿势和mappoints通过本地映射线程中的描述符匹配和投影错误进一步优化。如果通过直接方法进行跟踪失败，则通过与参考关键帧匹配，在当前帧中提取ORB要素以进行本地化。

4. SVL-VI SLAM system

在第3节的工作基础上，紧密耦合的Visual-
提出了惯性SLAM系统，它可以闭环并覆盖公制尺度。IMU数据通过预积分处理[25]。 与SVL类似，该系统还具有三个并行线程，用于跟踪，本地映射和循环关闭。由于需要融合惯性导航状态，这三个线程和仅视觉SVL系统之间存在差异。该系统的基本流程见[26]。 鉴于未在非关键帧中提取ORB特征，通过最小化类似于（3）中的光度误差来完成特征匹配。

4.1. Tracking

SVL-VI的跟踪线程负责跟踪姿势，速度和IMU偏差。 该线程的基本流程如图2所示（我们并没有专门绘制SVL-VI的流程图。SVL-VI的跟踪线程是类似的，其中初始姿势由IMU而不是SVL中的恒定速度运动模式预测，并且参考帧是最后一个关键帧或最后一帧，这取决于地图是否被更新。）初始姿势由IMU预测，其比恒定速度运动模式更可靠。通过最小化当前帧和参考帧之间的光度误差来进一步优化当前帧，类似于3.2中的帧。在使用（3）中给出的方法完成匹配之后，通过使用IMU状态误差项最小化类似于（4）中的投影误差来优化当前帧j。根据地图是否由另外两个线程更新，优化会有所不同。