南洋理工开源：一种精确的、紧耦合的带有高斯体素图的激光雷达-惯性里程计

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文##开源# arxiv|南洋理工大学开源Lio-Gvm：一种精确的、紧耦合的带有高斯体素图的激光雷达-惯性里程计
【LIO-GVM: an Accurate, Tightly-Coupled Lidar-Inertial Odometry with Gaussian Voxel Map】
作者单位：南洋理工大学
开源代码：GitHub-Ji1Xingyulio_gvm

文章地址：230617436LIO-GVManAccurateTightly-CoupledLidar-Ine...

这篇文章提出了一个精确而稳健的激光雷达惯性里程计框架。我们使用紧耦合的迭代误差状态卡尔曼滤波器融合LiDAR扫描点云和IMU数据，以实现鲁棒和快速的定位。为了实现稳健的对应匹配，我们将点表示为一组高斯分布，并评估方差的发散程度以剔除异常值。在拟合分布的基础上，针对基于滤波的Lidar惯性里程计提出了一种新的残差度量，从仅量化距离改进为融入方差差异，进一步丰富了残差度量的全面性和准确性。

由于残差度量的策略性设计，我们提出了一个简单而有效的体素-体素建图方案，该方案只需要为每个体素维护一个质心和一个协方差矩阵。在不同数据集上的实验证明了本文的框架对于各种数据输入和环境的鲁棒性和准确性。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容

最后介绍一下我们最近的几个学习活动：

1、从零掌握GNSS、RTK定位

2、从零开始ChatGPT编程

3、视觉动态SLAM方向全梳理

4、快速入门激光雷达惯性SLAM-FastLio2

5、超棒的机器人SLAM圈！