基于 MSCKF 的一致高效 LiDAR-惯性里程计：针对无人机的推断聚类-平面约束
机器人学
2026-03-16 v1
摘要
鲁棒且准确的导航对于无人机尤其是那些严格的尺寸、重量和功耗（SWaP）约束条件下的平台至关重要。然而，大多数最先进（SOTA）LiDAR-惯性里程计（LIO）系统在部署到此类平台时仍然 suffer from 估计不一致性和计算瓶颈。为此，本文提出了一个针对无人机的一致高效紧耦合 LIO 框架。我们在高效的多状态约束卡尔曼滤波（MSCKF）框架内构建了来自滑动窗口中观察到的平面特征推断的共面约束。通过对滑动窗口共面约束应用零空间投影，我们消除了特征参数在状态向量中的直接依赖，从而缓解了过度自信并提高了一致性。更重要的是，为了进一步提升效率，我们引入了基于体素的并行数据关联和一种新型紧凑聚类-平面测量模型。这种紧凑测量模型无损地减少了观察维度，显著加快了更新过程。广泛的评估表明，我们的方法在提供一致性和效率平衡方面优于大多数最先进（SOTA）方法。它在退化场景中表现出 improved robustness，通过其无地图特性实现最低的内存使用，并在资源受限的嵌入式平台（如 NVIDIA Jetson TX2）上实现实时运行。
关键词
引用
@article{arxiv.2603.12904,
title = {Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs},
author = {Jinwen Zhu and Xudong Zhao and Fangcheng Zhu and Jun Hu and Shi Jin and Yinian Mao and Guoquan Huang},
journal= {arXiv preprint arXiv:2603.12904},
year = {2026}
}