浙江大学提出了一个多相机-雷达-惯性里程计，与LVI-SAM相比，提高了准确度、鲁棒性和效率，代码开源！

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##开源代码##开源数据集# EMV-LIO: An Efficient Multiple Vision aided LiDAR-Inertial Odometry

论文地址：https://arxiv.org/abs/2302.00216

作者单位：浙江大学

开源代码：https://github. com/thinking-08/EMV-LIO.git

为了解决单个传感器不完全约束带来的退化问题，近年来，多传感器融合策略，特别是在激光雷达-视觉-惯性融合领域引起了产业界和研究界的极大兴趣。考虑到单目相机容易受到来自某一方向的环境光的影响而失效，使系统退化为LiDAR惯性系统，引入多个相机来扩展视觉观测，以提高系统的精度和鲁棒性。此外，还引入了利用距离图像去除LiDAR噪声、设置最近邻搜索条件以及用IKD-Tree代替kd-Tree等方法来提高效率。

在此基础上，我们提出了一种高效的多视觉辅助激光雷达惯性里程计系统(EMV-LIO)，并对其在开放数据集和定制数据集上的性能进行了评估。实验表明，与LVI-SAM相比，该算法有助于提高整个系统的准确度、鲁棒性和效率。

本文贡献如下：

1、在VIO子系统中引入了多个相机，以获得更健壮和准确的结果。

2、通过深度图像去除激光雷达噪声，设置最近邻搜索条件，并用ikdTree代替kd-Tree，提出了一种提高系统效率的LVIO系统。

3、设计了一种高效的多视觉辅助激光雷达惯性里程计系统(EMV-LIO)，并在开放数据集和定制数据集上进行了实验。实验表明，我们的系统在保持效率的同时，在稳健性和准确性方面都表现得更好。

以上内容来自小六的机器人SLAM学习圈 每日更新内容