概述
LINS采用了非常特别的迭代误差状态卡尔曼滤波(IESKF)技术,对位姿误差状态进行估计和更新。误差状态卡尔曼滤波(ESKF)已经足够复杂,LINS还用上了迭代卡尔曼滤波(IEKF),两者合起来就是IESKF,恐怕是目前复杂度最高的LOAM算法之一了。关于ESKF参见论文:
Quaternion kinematics for the error-state Kalman filtearxiv.orgESKF论文详细介绍了四元数、李群李代数和ESKF的相关概念和推导过程,完全可以当做相关方面的教材来仔细研读和学习,比某高数教材强千百倍。
LINS的位姿误差状态估计部分与ESKF论文几乎完全一致,主要是利用IMU的数据实现位姿估计,这里不再赘述。LINS最特别的地方在位姿状态更新部分,下面重点介绍。
在ISKF中,状态更新可以看成是一个优化问题,即对位姿状态先验
的偏差,以及基于观测模型引入的残差函数
的优化问题。
表示第
帧数据到第
帧数据的位姿变换。其中包含了位移、速度、旋转、加速度偏差和角速度偏差。
观测方程
在给定从第
帧数据到第
帧数据的位姿变换
的前提下,基于观测模型引入的观测方程
定义如下: