资源受限平台上的 FAST-LIVO2：高效内存与计算的激光-惯性-视觉里程计
机器人学
2025-01-24 v1
摘要
本文提出一种针对资源受限平台优化的轻量级激光-惯性-视觉里程计系统。该系统将退化感知的自适应视觉帧选择器集成到误差状态迭代卡尔曼滤波器（ESIKF）中，并采用顺序更新方式，显著提升计算效率，同时保持与FAST-LIVO2相似的鲁棒性。此外，一种结合局部统一视觉-激光地图与长期视觉地图的内存高效映射结构，在性能与内存使用之间实现良好平衡。大量在x86和ARM平台上的实验表明，该系统具有良好的鲁棒性和效率。 在Hilti数据集上，本系统相较于FAST-LIVO2实现了33%的单帧运行时缩减和47%的内存占用降低，尽管RMSE增加了仅3厘米，但仍具竞争力，优于FAST-LIO2及大多数现有LIVO系统。这些结果验证了该系统在资源受限边缘计算平台上的可扩展部署能力。
关键词
引用
@article{arxiv.2501.13876,
title = {FAST-LIVO2 on Resource-Constrained Platforms: LiDAR-Inertial-Visual Odometry with Efficient Memory and Computation},
author = {Bingyang Zhou and Chunran Zheng and Ziming Wang and Fangcheng Zhu and Yixi Cai and Fu Zhang},
journal= {arXiv preprint arXiv:2501.13876},
year = {2025}
}