PL-LIT：使用点线特征和热成像建图的激光雷达-惯性-热SLAM

热成像对强光照、低光运行和雾等不利条件具有鲁棒性，因此当可见光谱图像变得不可靠时，可以减轻里程计退化。然而，大多数热像仪采用自动增益控制（AGC），热图像通常呈现低全局对比度，尽管包含信息丰富的边缘结构。这些特性破坏了亮度恒定，并导致传统的基于光流跟踪的里程计流水线（其从根本上依赖于连续帧之间的亮度恒定假设）失效。为了解决这些问题，我们提出了一个通用的激光雷达-惯性-热SLAM系统，该系统兼容可见光和热像仪。PL-LIT将在线光度校准模块与用于点线特征提取的深度神经网络相结合，实现了更稳定和可重复的热跟踪。对于状态估计，我们在误差状态迭代卡尔曼滤波器（ESIKF）中设计了一个紧耦合的激光雷达-惯性-热公式。我们进一步引入了一种线特征约束方案，以确保在不同热外观下几何约束的可靠性。此外，PL-LIT构建了一个概率热强度体素地图，支持实时热异常检测。大量实验表明，PL-LIT在可见光环境中表现出通用性和鲁棒性，在长距离热红外数据集上实现了最先进的性能，并提供了基于热成像建图的实用安全检查功能。