欧拉积分、中点积分与龙格－库塔积分
在 SLAM 系统中经常用到各种不同的数值积分方法，工程上最常见的有三种：欧拉积分（Euler method）、中点积分（Midpoint method）和龙格－库塔法积分（Runge–Kutta methods）。他们的区别就是如何用数值方法模拟一个斜率。这里简单总结如下：
一、欧拉积分
设有如下微分方程：
y'(t)=f(t,y(t))并且 t_n 和 t_{n+1} 时刻的差为 t_{n+1} - t_n = \Delta t，则欧拉积分定义为：
y_{n+1}=y_n + \Delta t\cdot f(t_n, y_n)也就是说用 t 时刻的斜率作为整个 t\rightarrow t+\Delta t 时刻的导数。
二、中点积分
设有如下微分方程：
y'(t)=f(t,y(t))并且 t_n 和 t_{n+1} 时刻的差为 t_{n+1} - t_n = \Delta t，则显式中点积分定义为：
y_{n+1}=y_n + \Delta t\cdot f(t_n + \frac{1}{2} \Delta t, y_n + \frac{1}{2}\Delta t \cdot f(t_n, y_n))则隐式中点积分定义为：
y_{n+1}=y_n + \Delta t\cdot f(t_n + \frac{1}{2} \Delta t, \frac{1}{2}(y_n + y_{n+1}))也就是说用 t_n + \frac{1}{2} \Delta t 时刻的斜率作为整个 t\rightarrow t+\Delta t 时刻的导数。
欧拉积分与中点积分都是一阶近似并没有本质不同，二者只是一阶导数所取位置不同，他们的性能也有差别，如下图所示，作为一阶积分近似方法来讲，中点积分有时会稍好一些（带来更快的收敛速度）。
图示为方程 y'=y, y(0)=1 的数值积分。蓝色为欧拉法，绿色为中点法，红色为精确解 y=e^{t}。所用步长为 h=1.0。
三、龙格－库塔积分
龙格－库塔法（Runge-Kutta methods）是用于非线性常微分方程的解的重要的一类隐式或显式迭代法。在工程中最常用的是四阶龙格－库塔积分，也就是 RK4 积分，它的计算方式如下：
设有如下微分方程：
y'(t)=f(t,y(t))并且 t_n 和 t_{n+1} 时刻的差为 t_{n+1} - t_n = \Delta t，则 RK4 积分定义为：
y_{n+1}=y_n + \frac{\Delta t}{6} \cdot (k_1 + 2k_2 + 2k3 + k_4)其中：
k1是时间段开始时的斜率；
k2是时间段中点的斜率，通过欧拉法采用斜率k1来决定y在点tn + h/2的值；
k3也是中点的斜率，但是这次采用斜率k2决定y值；
k4是时间段终点的斜率，其y值用k3决定。
其数学公式如下：
k_1 = f(t_n, y_n)
k_2 = f(t_n + \frac{\Delta t}{2}, y_n + \frac{\Delta t}{2} \cdot k_1)
k_3 = f(t_n + \frac{\Delta t}{2}, y_n + \frac{\Delta t}{2} \cdot k_2)
k_4 = f(t_n + \Delta t, y_n + \Delta t \cdot k_3)
从公式中可以看出两个中点的斜率具有更大的权重。
龙格－库塔法的示意图如下，它也是一种更高阶的逼近方法，通常也具有更好的逼近效果，总累计误差为 \Delta t^4 阶。
RK4 算法在 SLAM 中也有很好的应用，特别是 VIO 中的预积分部分，比如张腾将王京的 VI ORB SLAM2 代码改成 RK4 积分后，精度也得到了一定的提升：
https://github.com/RomaTeng/ORB-VINS_RK4
当然 RK4 算法比起欧拉积分、中点积分计算量要大不少，SLAM 中影响精度的地方非常多，仅靠 RK4 改进其对于精度的提升程度通常也不会特别大，不过对于速度要求不高而精度要求很高的场合还是值得尝试的。
参考文献
[1] https://en.wikipedia.org/wiki/Euler_method
[2] https://en.wikipedia.org/wiki/Midpoint_method
[3] https://en.wikipedia.org/wiki/Runge%E2%80%93Kutta_methods
[4] https://www.maplesoft.com/support/help/maple/view.aspx?path=Student%2FNumericalAnalysis%2FRungeKutta