（每日一读2019.10.21）紧耦合的3D雷达惯性里程计及建图（LIO）

论文：pdf
代码：github
视频：video

摘要

自身运动估计是大部分移动机器人应用的基本需求。通过传感器融合，我们能够补偿单个传感器的缺陷并且提供更可靠的估计。在本文中，我们引入一种紧耦合的雷达-惯导融合的方法。通过联合最小化雷达和惯导的测量损失，雷达-惯导里程计(LIO)在长期的试验后，在可接受的漂移，甚至是在激光雷达测量会降级的具有挑战性的情况下表现不错。此外，为了获取雷达位姿的更可靠的估计，我们还提出了一种旋转约束精炼算法(LIO-mapping)来进一步对齐雷达位姿和和全局地图。

I 介绍

自身运动估计在许多导航任务中起着重要作用，是自主机器人的关键问题之一。它提供了机器人姿态的认知，并能向姿态控制器提供即时反馈。此外，它与感知环境的各种传感器一起，为同时定位和映射（slam）提供了关键信息。准确估计机器人的姿态有助于降低风险，并有助于成功规划。激光雷达传感器可以为周围环境提供距离测量，在机器人系统中得到了广泛的应用。具体来说，典型的三维激光雷达可以在360度的水平视场（FOV）下以10Hz左右的频率来感知周围环境。作为一种主动传感器，它对光照具有不变性。激光雷达传感器具有高可靠性和高精度，我们很多人都会使用这种传感器。
尽管激光雷达传感器具有许多优点，但它还不够完善ÿ