FAST-LIO2：快速直接激光雷达-惯性里程计
机器人学
2021-07-15 v1
摘要
本文提出 FAST-LIO2：一个快速、鲁棒且通用的激光雷达-惯性里程计框架。基于高效紧耦合迭代卡尔曼滤波，FAST-LIO2 有两个关键创新以实现快速、鲁棒和精确的激光雷达导航（及建图）。其一是直接将原始点配准到地图（并随后更新地图，即建图）而无需提取特征。这能够利用环境中细微的特征，从而提高精度。去除手工设计的特征提取模块也使其自然适应于不同扫描模式的新兴激光雷达；第二个主要创新是通过增量 k-d 树数据结构 ikd-Tree 维护地图，该结构支持增量更新（即点插入、删除）和动态再平衡。与现有动态数据结构（八叉树、R*-树、nanoflann k-d 树）相比，ikd-Tree 在取得更优综合性能的同时天然支持树上下采样。我们在来自多种公开激光雷达数据集的 19 个序列上进行了详尽基准对比。FAST-LIO2 以远低于其他最先进激光雷达-惯性导航系统的计算负载实现了持续更高的精度。我们还对小型视场固态激光雷达进行了多种真实世界实验。总体而言，FAST-LIO2 计算高效（例如，在大型户外环境中可达 100 Hz 里程计与建图）、鲁棒（例如，在杂乱室内环境中旋转高达 1000 deg/s 时仍可靠位姿估计）、通用（即适用于多线旋转与固态激光雷达、无人机与手持平台、以及 Intel 和 ARM 处理器），同时仍比现有方法精度更高。我们的系统 FAST-LIO2 实现以及数据结构 ikd-Tree 均在 Github 上开源。
引用
@article{arxiv.2107.06829,
title = {FAST-LIO2: Fast Direct LiDAR-inertial Odometry},
author = {Wei Xu and Yixi Cai and Dongjiao He and Jiarong Lin and Fu Zhang},
journal= {arXiv preprint arXiv:2107.06829},
year = {2021}
}