VINS WITH ODOMETER
先把轮式里程计的数据转成local的2d线速度和角速度：
也就是，拿到车身的横摆角速度和车速，a是车辆的基线，应该就是轮距吧
首先，来证明一下加入这些观测，就会使得VINS系统可观
里程计提供了线速度的二维平面分量测量：
对于涉及到的状态的测量雅克比有以上关系
除了与相机观测值相对应的块行外，里程计测量值在可观测矩阵中提供了额外的块行(注意，能观性矩阵的行数就是观测方程数，现在多了一个传感器，肯定就多了几行阿)。由(37)和状态转移矩阵Φk,1的解析形式可以验证这些额外的块行具有如下结构:
当tk≥t0时，用Φ(k, i,j 1)表示状态转移矩阵Φk,1的第(i, j)个块元素。因为当且仅当加速度恒定时，尺度变得不可观测。因此，我们只需证明之前的那个不可观向量NS此时 MKNS不再等于0就行了
在这里，只要在里程计坐标系中表示的IMU坐标系的速度在x - y方向上不消失，即平台在水平面上有平移运动，那上面这个量就是非零的。在这种条件下，只要汽车不是永远静止不动，里程表的测量就会使尺度是可观测的，这在实践中是满足的。
证必
特别的，里程计的线速度测量室友绝对尺度信息的，所以其提高定位精度，不仅因为记录了额外的运动信息，还因为提供了在VINS尺度方向的关键信息
为了以一种稳健的方式处理有噪声的里程计数据，我们建议将它们集成，并将得到的2D位移估计值融合到3D VINS中，而不是使用(9)中的速度测量值。我们从推导测量模型开始，我们假设，在连续的里程表读数之间，运动是平面的。
因此，两个连续的里程计坐标系{Ok}和{Ok+1}之间的变换只涉及绕z轴旋转一个角度OkφOk+1:
