FAST-LIVO2震撼开源！史诗级强化！快速、直接LiDAR-惯性-视觉里程计！

主要观点总结

本文介绍了FAST-LIVO2:一个高效、直接的激光雷达-惯性-视觉里程计框架，旨在实现SLAM任务中的准确且鲁棒的状态估计。该系统通过扩展卡尔曼滤波器(ESIKF)融合了IMU、激光雷达和图像测量数据。其主要贡献包括顺序更新策略解决维度不匹配问题，利用激光雷达点的平面先验提高图像对齐的准确性，按需进行体素射线投射等。实验结果表明，该系统在无人机机载导航、机载测绘和基于网格和NeRF的3D模型渲染等方面具有巨大潜力。

关键观点总结

关键观点1: 论文信息

标题：FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry；作者：Chunran Zheng等多位作者；机构：香港大学、中国电子科技集团信息科学学院；原文链接：https://arxiv.org/abs/2408.14035；代码链接：https://github.com/hku-mars/fast-livo2

关键观点2: 摘要

本文提出了FAST-LIVO2，一个高效的、直接的激光雷达-惯性-视觉里程计框架。它通过扩展卡尔曼滤波器解决了异构传感器数据融合的问题，提高了状态估计的准确性和鲁棒性。主要应用包括无人机机载导航、机载测绘和基于网格与NeRF的3D模型渲染。

关键观点3: 系统概述

FAST-LIVO2系统包含四个部分：扩展状态增量卡尔曼滤波器（ESIKF）、局部地图、激光雷达测量模型和视觉测量模型。通过扫描重组和ESIKF更新，系统实现了高效、准确的状态估计。

关键观点4: 主要贡献

1）提出了高效的ESIKF框架，通过顺序更新解决激光雷达和视觉测量之间的维度不匹配问题；2）使用激光雷达点的平面先验提高图像对齐的准确性；3）提出参考图像块更新策略，提高图像对齐的鲁棒性；4）进行在线曝光时间估计以处理环境光照变化；5）提出按需体素射线投射，增强系统鲁棒性。

关键观点5: 实验结果

在多个公共和私有数据集上的广泛实验表明，FAST-LIVO2在准确性和鲁棒性方面显著优于其他同类系统。

关键观点6: 应用展示

关键观点7: 未来工作