计算机视觉与深度学习 ｜ 视觉+激光雷达+惯惯性SLAM算法汇总（原理，公式，代码）

以下是对视觉（Visual）、激光雷达（LiDAR）和惯性导航（IMU）融合的SLAM算法的汇总，涵盖原理、公式及开源项目链接：

---

1. LVI-SAM（Laser-Visual-Inertial SLAM）

• 原理：
  由MIT团队开发的紧耦合多传感器融合框架，包含视觉惯导（VIO）和激光惯导（LIO）两个子系统。VIO利用激光雷达提供深度信息，LIO依赖VIO的初始位姿进行点云匹配，两者通过因子图联合优化。当某一子系统失效时，另一系统仍可独立工作，提升鲁棒性。
• 关键技术：
  • 视觉闭环检测优化激光雷达地图。
  • 基于IMU预积分、滑窗优化的紧耦合策略。
• 公式：
  状态估计通过因子图优化，目标函数为：