MSLIO：基于 MSCKF 的基于相同平面聚类跟踪的激光-惯性定位

多状态约束卡尔曼滤波 (MSCKF) 已被证明在视觉-based odometry 中比图优化更高效，同时保持类似的精度。然而，它尚未充分考虑和研究用于基于激光的定位。在本文中，我们提出了一种基于 MSCKF 框架的新型紧耦合激光-惯性定位方法，称为 MSC-LIO。一种高效的激光相同平面聚类 (LSPC) 跟踪方法被提出用于帧间数据关联，无需显式特征提取。跟踪的 LSPC 用于构建 LSPC 测量模型，以构建多状态约束。此外，我们提出了一种有效的基于点-速度的激光-IMU 时间延迟 (LITD) 估计方法，该方法源自所提出的 LSPC 跟踪方法。为验证所提方法的有效性和鲁棒性，我们在公共数据集和真实环境中进行了大量实验。结果表明，所提 MSC-LIO Compared to the state-of-the-art methods 在准确性和效率方面都具有优势。消融实验表明，LSPC 跟踪使数据关联效率提高了近 3 倍，所提 LITD 估计方法能够有效且准确地估计 LITD。此外，MSC-LIO 在边缘设备上实现，并展示了优异的实时性能。