R2LIVE：一种鲁棒、实时、激光-惯性-视觉紧耦合的状态估计与建图系统
机器人学
2021-02-25 v1
摘要
在本文中，我们提出一种鲁棒、实时的紧耦合多传感器融合框架，其融合来自LiDAR、惯性传感器和视觉相机的测量以实现鲁棒且准确的状态估计。我们提出的框架由两部分组成：基于滤波的里程计与因子图优化。为保证实时性能，我们在误差状态迭代卡尔曼滤波框架下估计状态，并通过因子图优化进一步提升整体精度。利用所有单个传感器的测量优势，我们的算法对各种视觉失效、LiDAR退化场景具有足够鲁棒性，并能在机载计算平台上实时运行，这在室内、室外及不同尺度混合环境中进行的广泛实验中得到展示。此外，结果表明我们提出的框架可提升最先进LiDAR-惯性或视觉-惯性里程计的精度。为分享我们的发现并为社区做出贡献，我们在Github上开源了代码。
引用
@article{arxiv.2102.12400,
title = {R2LIVE: A Robust, Real-time, LiDAR-Inertial-Visual tightly-coupled state Estimator and mapping},
author = {Jiarong Lin and Chunran Zheng and Wei Xu and Fu Zhang},
journal= {arXiv preprint arXiv:2102.12400},
year = {2021}
}