2Fast-2Lamaa：基于连续距离场的大规模激光-惯性定位与建图
机器人学
2025-12-10 v2
摘要
本文介绍2Fast-2Lamaa，一种用于定位、建图和定位的激光-惯性状态估计算框架。其核心组件之一是基于连续 IMU 预积分的激光扫描去畸变优化，模型在每个激光点时间戳处的系统姿态。通过初始扫描条件（线性速度和重力方向）和 IMU 偏置参数化覆盖 100-200ms 的连续轨迹，仅需 11 个状态变量。通过最小化激光提取特征之间的点到线和点到面距离来估计这些变量，而无需依赖先前的估计，形成一种无先验的运动畸变纠正策略。由于该方法执行的是局部状态估计，故直接提供扫描间的里程计。为维持较长时间段的几何一致性，去畸变扫描用于扫描到地图的配准。地图表示采用高斯过程构建连续距离场，支持空间中任意位置的点到曲面距离查询。通过非线性最小二乘优化来最小化这些距离，以 refine 去畸变扫描的姿态。里程计和建图方面，地图以实时方式增量构建；纯定位方面，复用现有地图。增量地图构建还包括用于移除动态对象的机制。我们在 250km（超过10小时）的公开数据集和自采集数据集上对2Fast-2Lamaa进行基准测试，来自汽车和手持系统。该框架在多样且具挑战性的场景下实现了领先的性能，里程计和定位误差分别可达到0.27%和0.06米。实时实现已公开于 https://github.com/clegenti/2fast2lamaa。
引用
@article{arxiv.2410.05433,
title = {2Fast-2Lamaa: Large-Scale Lidar-Inertial Localization and Mapping with Continuous Distance Fields},
author = {Cedric Le Gentil and Raphael Falque and Daniil Lisus and Timothy D. Barfoot},
journal= {arXiv preprint arXiv:2410.05433},
year = {2025}
}