今天按照计划学习了SLAM、惯性导航、深度学习，并坚持了每日任务。
SLAM方面看了第九章后端的内容，主要包含状态估计概率方程的推导，引出两种解决方法卡尔曼滤波和非线性化，然后本章就开始讲解卡尔曼方法和非线性方法，卡尔曼方法通过推导线性卡尔曼引出扩展卡尔曼，BA主要讲解稀疏化与边缘化。惯导课程本次学习主要是四元数表达姿态变换和等效旋转矢量，四元数主要学习四元数性质、三角函数表示方法以及与旋转变换关系、姿态四元数微分方程与求解，旋转矢量主要是不可变换性误差介绍、等效旋转矢量定义、Bortz方程、近似处理得到等效旋转矢量公式。深度学习方面主要是学习了深层神经网络的网课并做了习题，作业还没做，对神经网络又一次加深了理解。
论文阅读方面，今天读了混合VO部分的代码，就是传统几何模型与深度学习框架混合。阅读部分介绍了一些模型与学习结合的成果，列了一个很大的表格。由于结合了几何理论与深度学习，混合VO普遍能够表现得比端到端方法更好，甚至某些情况比状态估计方法的VO和VIO更好。这个领域正在快速进步。
明天依旧按照计划进行学习，坚持自律，有时间多读读论文，接触科研前沿，及时总结。