ROS-3DSLAM（2）：论文阅读

2021@SDUSC

2021年10月5日星期二——2021年10月7日星期四

一、背景简介：

我们小组本来计划分析的源代码是ros系统的源代码，但是后来的研究学习中发现我们所选取的材料有些陈旧过时，许多包和功能已经不被推荐使用了。因此我们改变了研究思路，调整方向，专注于LVI-SAM这个包的研究。

因为这个包是最近刚刚开源的新技术，所以网上的参考资料屈指可数，这加大了我们研究的难度和挑战，但相对的，也更值得我们研究和学习。

这一篇博客首先从作者的论文入手，目的在于理解该包的基本原理和知识，为下一步的源代码分析打下基础。为了帮助自己更好地理解论文，我参考了其他人所翻译的中文论文，出处附在了文末。

二、对于论文的理解：

对于刚刚接触这一领域的我来说，这一篇论文最重要的部分是开头的简介和末尾的总结，其次就是中间部分对于原理的讲述，至于后半部分的实验，对于我来说阅读要求还不是那么重要。

1、总体介绍

文章的开头和结尾概括了LVI-SAM的本质：一个紧耦合的雷达视觉惯导SLAM系统，一个更为稳定和准确的框架，适应于缺少纹理和特征场景中的应用。

就组成上而言，它有两个部分：视觉惯性系统和激光雷达惯性系统两个子系统。这两个系统紧密耦合，相互交互。

2、系统介绍

1、引言中的传统技术和新技术对比（论文的第一部分）

虽然基于视觉的方法特别适合于位置识别，并且在纹理丰富的环境中表现良好，但它们的性能对光照变化、快速运动和初始化都很敏感，因此，基于激光雷达和基于视觉的方法通常都与惯性测量单元(IMU)耦合，以提高其各自的鲁棒性和准确性。

——下列三个系统的由来

A. VIO系统：VIO（visual-inertial odometry）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertial system），是融合相机和IMU数据实现SLAM的算法。

B. LIO系统：不同于上文介绍的相机，这里采用的是雷