LIW-OAM: Lidar-Inertial-Wheel Odometry and Mapping

LIW-OAM: Lidar-Inertial-Wheel Odometry and Mapping是一种融合激光雷达、惯性测量单元（IMU）和轮式编码器的里程计和建图系统。

一、摘要

该系统利用激光雷达和IMU的测量信息实时估计硬件平台的姿态和速度，并利用解算的状态将新扫描的点云注册到地图中。与现有的LI-OAM系统相比，LIW-OAM系统通过在BA的优化框架中融合轮式编码器的测量，提供了重要的速度观测，从而提供了更准确的状态预测。此外，在优化中通过轮式编码器的观测对速度变量进行约束，进一步提高了状态估计的准确性。实验结果表明，系统在两个公开数据集上的性能优于所有最先进的LI-OAM系统，嵌入轮式编码器可以极大地提高基于BA框架的LI-OAM系统的性能。

二、创新点

LIW-OAM系统的关键创新点包括：

1. 引入轮式编码器的测量作为速度观测，提供更准确的状态预测。

2. 在优化中通过轮式编码器的观测对速度变量进行约束，进一步提高状态估计的准确性。

3. 在公开数据集上的实验结果表明，LIW-OAM系统在绝对轨迹误差（ATE）方面优于所有最先进的LI-OAM系统，并且在具有挑战性场景下表现出良好的鲁棒性。

三、方法

预处理模块：

对输入的原始点进行下采样，并以相同的输入扫描频率预集成 IMU-odometer 测量结果。

初始化模块：

估算一些状态参数，包括重力加速度、加速度计偏置、陀螺仪偏置和初始速度。

状态估计模块：

首先将 IMU-odometer 测量值整合到上一个状态，以预测当前状态，然后执行基于 BA 的 LIW 优化，以优化当前扫描的状态。最后，点注册将新点添加到地图中，并删除距离较远的点。

LIW 优化：

最小化点到平面残差、IMU-里程计预积分残差、速度观测残差和一致性残差之和

四、总结

LIW-OAM系统的性能优势主要体现在以下几个方面：

1. 在大多数序列上，LIW-OAM系统的ATE较小，优于其他LI-OAM系统。

2. LIW-OAM系统在具有挑战性场景下的鲁棒性更好，其他系统在某些序列上无法运行。

3. LIW-OAM系统在处理具有大场景变化的序列时表现出更好的性能。

4. LIW-OAM系统通过嵌入轮式编码器的测量，改善了速度估计的准确性。

总之，LIW-OAM系统是一种准确且鲁棒的融合激光雷达、IMU和轮式编码器的里程计和建图系统，通过优化框架实现了更准确的状态估计，并在公开数据集上取得了优于其他LI-OAM系统的性能。