40天的训练营生活总结一下：很累，很值得，很开心；

卧安科技CEO 李志晨

Hexo用Github和Coding双线绑定购买的域名

最近有点空，就再花点时间弄弄博客，虽然连入门前端都不算，但玩一玩还是很有意思的。

云鲸CEO 张俊斌

7.19 高秉强 博通集成董事

曹曦，红杉资本中国基金合伙人 —2020.7.25

Understanding User Needs —University of Michigan

Introduction to User Needs Assessment(用户需求评估简介)

量化数据对于真正深入了解用户实际使用产品的方式或产品的新可能性并不特别有用，定性研究的真正好处是提取用户所拥有体验的丰富性和细节。定性研究的一些优势是，它们可以为您提供非常深入的信息。您会发现很难测量的东西。

重点关注访谈，尤其是半结构化访谈，以及某种观察，我们将观察用户实际使用产品并了解他们如何使用产品。最后，我们将使用称为“亲和力墙”的方法进行操作，在此方法中，我们将主题分析和递归抽象相结合，以了解我们将收集的详细数据的整体含义。

2.1如何进行用户需求评估访谈，尤其是一种称为半结构化访谈的访谈

视觉与IMU融合的分类：

• 松耦合和紧耦合：

  松耦合（Loosely Coupled）:

  松耦合是指IMU和相机分别进行自身的运动估计，然后对其位姿估计结果进行融合,两个模块更新频率不一致 , 模块之间存在一定的信息交换，在松耦合方式中以惯性数据为核心 , 视觉测量数据修正惯性测量数据的累积误差。
  紧耦合（Tightly Coupled）:

  紧耦合是指把IMU的状态与相机的状态合并在一起，共同构建运动方程和观测方程，然后进行状态估计,IMU的尺度度量信息可以用于辅助视觉中的尺度的估计。

• 滤波法和优化法：

  滤波：MSCKF(Multi-State Constraint KF），ROVIO

  图优化：VINS，OKVIS，ORB-SLAM

视觉与IMU的融合的优势：

• 视觉与IMU的融合可以借助IMU较高的采样频率，进而提高系统的输出频率。
• 视觉与IMU的融合可以提高视觉的鲁棒性，如视觉SLAM因为某些运动或场景出现的错误结果。
• 视觉与IMU的融合可以有效的消除IMU的积分漂移。
• 视觉与IMU的融合能够校正IMU的Bias。
• 单目与IMU的融合可以有效解决单目尺度不可观测的问题。
• 可以应对快速的运动变化，相机在快速运动过程中会出现运动模糊。

存在的问题：

1. 使用 IMU 对相机在快门动作期间内估计相机的运动，但是由于 CMOS 相机的快门时间戳和 IMU 的时间戳的同步比较困难，且相机的时间戳不太准确 ；

优秀的开源：

vinsmono、vinsfusion、 vi_orbslam2

紧耦合-MSCKF：