经典文献阅读之--LTA-OM(长期关联激光雷达惯性SLAM)

0. 简介

同时定位与地图构建（SLAM）技术广泛应用于地面机器人、无人机和自动驾驶汽车。本文介绍了一种高效、稳健和准确的激光雷达SLAM系统LTA-OM。该系统采用FAST-LIO2和稳定三角形描述符作为激光雷达-惯性测量单元（IMU）里程计和环路检测方法。LTA-OM实现了功能完备，包括环路检测和修正、误报环路闭合拒绝、长期关联地图和多会话定位与地图构建。本文的一个创新之处是实时长期关联（LTA）地图构建，它利用FAST-LIO2的直接扫描到地图的配准，并利用修正后的历史地图在全局上约束地图构建过程。LTA可以实现更加全局一致的地图构建和无漂移的里程计在重访地点。我们对LTA-OM和其他最先进的激光雷达系统进行了全面的基准测试，使用了18个数据序列。结果表明，LTA-OM在轨迹准确性、地图一致性和时间消耗方面稳定优于其他系统。LTA-OM的稳健性在一个具有相似结构的多层建筑的复杂场景中得到了验证。此外，设计了多会话模式，允许用户存储当前会话的结果，包括修正后的地图点、优化的里程计和描述符数据库，以供将来的会话使用。这种模式的好处是进一步提高准确性和一致的地图拼接，有助于终身地图构建。此外，LTA-OM具有对机器人控制和路径规划有价值的特性，包括高频率和实时的里程计、在重访地点无漂移的里程计和快速环路闭合收敛。此外，LTA-OM具有通用性，适用于多线旋转和固态激光雷达、移动机器人和手持平台。

1. 主要贡献

总结一下，本报告的主要贡献包括：

1. LTA-OM：一种高效、稳健和准确的SLAM系统。我们将FAST-LIO2、STD-LCD和循环优化集成到系统中。通过广泛的基准实验，包括城市、校园和非人工环境，以及相同或相反方向、小重叠重访和不同时间持续性（8∼112分钟）或行驶距离（1.1∼7.5公里），证明了LTA-OM的效率和准确性优于最先进的激光雷达系统。我们还将我们的系统与一个结构相似的场景进行了测试——一个具有不同层次的类似走廊的多层建筑，我们的系统仍然可以正常运行并构建出一个良好的地图。
2. 实时长期关联。我们的工作利用历史地图点在重访地点对LIO的在线定位和建图进行全局约束。当循环优化完成后，我们使用循环优化结果来校正FAST-LIO2的姿态状态，并动态从历史地图中重新加载地图点到实时地图中进行在线LIO。通过这种方式，LIO的地图构建变得全局一致，由于使用了校正后的历史地图，LIO的定位变得无漂移。此外，姿态校正和实时地图更新的机制经过精心设计，以实现实时性能并避免长时间的LIO延迟。
3. 多会话模式。我们的SLAM系统中的长期关联自然地扩展到多会话模式，用户可以将LTA-OM的地图存储在上一个会话中，并在当前会话中加载它进行重定位。具体而言，在这种模式下，系统首先使用LTA-OM的循环检测模块在预存储的地图中重新定位。然后，LTA-OM的LIO模块动态加载预存储的地图到当前会话中构建的实时地图，以约束在线定位和建图。结果，预存储的地图和实时地图自然地拼接在一起，LIO的姿态在预存储的地图上变得无漂移。当机器人进入预存储地图中未探索的区域时，LTA-OM会将新的点追加到拼接地图中，从而自动扩展地图而无需进一步合并。

2. 主要框架

我们系统的流程如图2所示。我们的系统由四个核心模块组成：LiDAR-IMU里程计（LIO）、回环检测、回环优化和回环校正。
流程工作流程简要说明如下。LIO模块是FAST-LIO2的一种变体，它包含了长期关联，提供了注册的扫描和估计的里程计给回环检测模块。回环检测模块STD-LCD提取关键点并检测回环闭合以供回环优化后端使用。然后，回环优化利用提供的里程计、关键点和回环闭合信息构建和维护一个位姿图，然后在检测到回环闭合时对位姿图进行优化。一旦成功完成回环优化，回环校正就利用优化后的里程计来校正位姿状态并替换LIO模块的地图（即ikd-Tree）

图2：LTA-OM的主要系统组件。带有“*”标记的组件仅在存在预存地图时需要（即所谓的多会话模式）

3. 雷达IMU里程计

…详情请参照古月居