基于空间重叠引导的自适应滑动窗口激光-惯性里程计，用于激进FOV变化场景

激光-惯性里程计（LIO）在一般低速平稳运动场景中表现出卓越的精度和稳定性。然而，在高速激烈运动场景（如急转弯）中，存在两个主要挑战：首先，由于IMU频率的限制，对非线性运动状态的估计误差会显著升级；其次，场视角（FOV）的剧烈变化可能削弱激光帧与点云地图（或帧与帧之间）的空间重叠，从而导致数据关联不足和约束退化。为此，我们提出一种基于空间重叠度（SOD）引导的自适应滑动窗口LIO框架（AS-LIO）。首先，我们评估激光帧与已注册地图之间的SOD，直接评估当前FOV变化对点云对齐的负面影响。随后，我们设计自适应滑动窗口以管理连续的激光数据流并控制状态更新，根据SOD动态调整更新步幅。该策略使我们的里程计能够在激进FOV变化时自适应地采用更高的更新频率，以精确 characterize trajectory，从而有效减少定位中的非线性误差。同时，滑动窗口内的历史约束强化了帧到地图的数据关联，确保状态估计的鲁棒性。实验表明，我们的AS-LIO框架能够快速感知并响应挑战性的FOV变化，在精度和鲁棒性方面均优于其他SOTA LIO框架。