转载自：https://mp.weixin.qq.com/s/MlN-0BD9rAdJwsVco7TRlg

LVI-SAM:使用SAM的激光-视觉-惯导紧耦合里程计

原创 泡泡机器人 泡泡机器人SLAM 今天

标题：LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping

作者：Tixiao Shan, Brendan Englot, Carlo Ratti, and Daniela Rus

机构：MIT

来源：ICRA 2021

编译：段逸凡

审核:  万应才

Code：https://github.com/TixiaoShan/LVI-SAM

这是泡泡图灵智库推送的第625篇文章，欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

大家好，今天为大家带来的文章是 LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping。

我们通过SAM(smoothing and mapping)的方式，提出了一个 雷达-视觉-惯导的紧耦合的里程计——LVI-SAM。该里程计可以实时进行状态估计和地图构建。LVI-SAM基于因子图，分为两个子系统：视觉惯性系统（VIS）和雷达惯性系统 （LIS）。这两个子系统均以紧耦合的方式进行设计。两个系统并行的作用如下：

1. VIS利用LIS的估计进行初始化；

2. 通过使用激光雷达的测量结果来优化VIS中视觉特征的深度信息，可以提高VIS的准确性；

3. LIS也可以利用VIS对位姿的估计，作为点云配准的初始值；

4. 闭环首先由VIS进行识别，再由LIS进行完善；

5. 当任意一个系统发生故障时，LVI-SAM仍然可以稳定运行，提高了在缺乏纹理信息和特征区域的鲁棒性。

最后，LVI-SAM在各种平台，各种规模的场景中进行了实验。

主要工作与贡献

• 实现了一个紧耦合的激光-视觉-惯导系统，通过因子图同时完成了多传感器融合和全局优化（包含回环检测）两项任务；

• 通过故障检测机制，绕过出现问题的子系统，提高了整个系统的鲁棒性。