推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

LIO-SAM紧耦合激光-惯性里程计图优化.docx

资料介绍

LIO-SAM:基于紧耦合激光-惯性里程计的图优化SLAM

一、LIO-SAM核心定位与诞生背景

1. 激光SLAM发展脉络

同步定位与地图构建(Simultaneous Localization and MappingSLAM)是移动机器人、自动驾驶、增强现实等领域的核心技术,解决的是未知环境中设备一边移动一边构建环境地图,同时依托地图确定自身位置的核心问题。早期SLAM技术主要基于视觉传感器与惯性测量单元(IMU)融合方案,受光照变化、纹理缺失场景影响较大;而激光雷达凭借测距精度高、抗干扰能力强的优势,逐渐成为SLAM领域的主流传感器。

激光SLAM发展过程中,逐渐分化出基于滤波基于图优化两大技术路线,滤波方案如基于扩展卡尔曼滤波(EKF)的LOAM,虽计算量小但在大场景下容易产生累积误差;图优化方案通过对所有位姿进行后端优化,能有效消除累积误差,提升全局一致性,逐渐成为主流研究方向。

2. LIO-SAM的诞生定位

LIO-SAMTightly-coupled Lidar-Inertial Odometry via Smoothing and Mapping)由麻省理工学院太空机器人实验室在2020年提出,核心定位是紧耦合激光-惯性融合的图优化SLAM框架,它在经典LOAM框架的基础上,引入IMU预积分实现紧耦合融合,依托因子图优化整合前端里程计约束、GPS约束、回环检测约束,在保证实时性的同时,大幅提升了复杂场景下的定位精度与地图一致性。


部分文件列表

文件名 大小
LIO-SAM紧耦合激光-惯性里程计图优化.docx 18K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载