无人机的关键技术是定位，对于无人机定位来说，实时性是一个重要的条件。但是单目视觉SLAM算法存在一些自身框架无法克服的缺陷，视觉里程计常常需要在计算代价与精度之间做权衡。
然而，IMU刚好可以弥补视觉SLAM的不足，融合 IMU 和视觉信息的 VIO 算法能够很大程度地提高单目 SLAM 算法的性能，是一种低成本、高性能的导航方案，并且在无人机、机器人及AR/VR等领域都得到了应用。
因此，VIO在工业中占据了相当重要的地位，在市场上也是有越来越大的需求。 同时，很多机器人领域的伙伴在后期的学习过程中，也发现了单一传感器存在的弊端，意识到需要学习更加可靠的融合定位方法。
但VIO是一个庞大的任务系统，包含了SLAM的各个部分，需要系统学习了解各个部分之间的关系。很多伙伴在学习VIO过程中发现，自己虽然有一些SLAM的基础，但仅是学完了十四讲，跑通了几个经典的系统代码，很少能够透彻理解其中的原理。
面对SLAM与IMU融合的框架，也很难快速找到学习的思路。无法透彻理解VIO的根本原理，遇到问题不能快速提出解决方案，更达不到企业用人要求！
通过了解VIO系统的融合框架，使大家很大程度上加深对SLAM整个系统的理解。对SLAM行业的从事者、在校学生的学习都会有很大的帮助。为未来的研究学习以及工作应用提供更多思路，同时能够解决工程中的一些实际问题。
