1.Introduction
IMU的输出频率很高（100-1KHz），所以优化变量会快速增长，使得实时优化变得infeasible。Christian Forster提出用将两帧图像间的IMU采样数据用预积分的方法变为一个constraint，从而降低优化变量。对于两帧图像间的standard IMU integration来说，初始状态是由第一帧的state estimate给出的。然而，每次优化迭代中，state estimate都在变化，那么就需要重复IMU integration。这个问题可以通过相对运动constraint的reparametrization来解决。那么reparametrization称为IMU预积分。IMU通常来说具有白噪声以及零偏。但是视觉图像在固定不动时没有零偏，所以用视觉图像确定零偏，用IMU确定rotation and fast movement。
2.Model
基于一个假设：IMU和camera是synchronized。
IMu通常包括一个3Axis加速度计以及一个3Axis陀螺仪，可以测量角速度以及传感器家去读with respect to the IMU plane。两者的测量收到白噪声以及传感器bias噪声。
在两个Key Frame 之间，系统的角度，速度，位置可以取第一KF的IMU测量值，因为IMU频率很高，所以可以近似为常数。
两KF之间所有的IMU measurement可以融合为一个常数。