面向紧耦合 LiDAR-惯性定位的等价滤波器

姿态估计是同时定位与制图（SLAM）中的关键问题。然而，由于传统扩展卡尔曼滤波器（EKF）难以处理 IMU 与光检测和测距（LiDAR）模型的非线性，尤其是在面对意外状态变化时，开发稳健且一致的状态估计器仍是重大挑战。为提供姿态估计的稳健且高效解决方案，本文提出 Eq-LIO，一种基于等价滤波器（EqF）的紧耦合 LIO 系统稳健状态估计器。相对于基于 $\SE_2(3)$ 群结构的不变卡尔曼滤波器，EqF 利用半直积群的对称性，将系统状态（包括 IMU 偏置、导航状态及 LiDAR 外参校准状态）进行耦合，从而抑制线性化误差并提高估计器在意外状态变化时的鲁棒性。所提 Eq-LIO 拥有天然的一致性和更高的鲁棒性，已通过数学推导进行理论证明，并通过公开及私有数据集上的一系列实验予以验证。