LIR-LIVO：一种轻量、鲁棒的LiDAR/视觉/惯性里程计系统，具备抗光照深层特征
机器人学
2025-02-14 v1 计算机视觉与模式识别
系统与控制
信号处理
系统与控制
摘要
本文提出LIR-LIVO，一种轻量且鲁棒的LiDAR-惯性-视觉里程计系统，旨在应对挑战性的光照条件和受损环境。该方法利用基于深度学习的抗光照特征与LiDAR-惯性-视觉里程计（LiDAR-Inertial-Visual Odometry，简称LIVO）相结合。通过融合深度特征与LiDAR点云关联实现的均匀深度分布，以及利用Superpoint和LightGlue实现的自适应特征匹配，LIR-LIVO在保持低计算成本的同时实现了最先进（state-of-the-art，简称SOTA）的精度和鲁棒性。实验在基准数据集上进行，包括NTU-VIRAL、Hilti'22和R3LIVE-Dataset。相应结果表明，我们提出的方法在标准数据集和挑战性数据集上均优于其他SOTA方法。特别地，该方法在Hilti'22数据集中表现出色，能够在恶劣环境光照条件下实现稳健的姿态估计。该工作的代码已公开于GitHub，以促进机器人社区的进步。
引用
@article{arxiv.2502.08676,
title = {LIR-LIVO: A Lightweight,Robust LiDAR/Vision/Inertial Odometry with Illumination-Resilient Deep Features},
author = {Shujie Zhou and Zihao Wang and Xinye Dai and Weiwei Song and Shengfeng Gu},
journal= {arXiv preprint arXiv:2502.08676},
year = {2025}
}