《智能驾驶之激光雷达算法详解》4.激光雷达与IMU组合定位

镜花水月000

《智能驾驶之激光雷达算法详解》4.激光雷达与IMU组合定位 [复制链接]

 

IMU惯性测量单元目前是无人机、机器人、汽车领域等常用的测量运行状态的传感器，主要包含加速度计和陀螺仪，通过各种融合算法如互补滤波、卡尔曼滤波等计算车辆的实时姿态，但IMU在航向角存在积分误差，而激光里程计主要通过对环境的感知来来实现对自身的定位估计，通过激光里程计和IMU的互补性进行车辆的组合实时精确姿态计算。

根据组合方式和原理业界通常将LiDAR+IMU分为松耦合和紧耦合两个方向。LiDAR+IMU松耦合定位算法通常使激光里程计和IMU航位推算相互独立运行，并基于卡尔曼滤波框架、粒子滤波框架等实现二者信息的融合，最终输出定位估计结果。LiDAR+IMU紧耦合定位算法为对同一姿态优化问题结合激光雷达数据和IMU数据来求解。

<智能驾驶之激光雷达算法详解>中提到的具有代表性的组合定位算法有IMU-AHFLO算法和LIO-SAM算法。IMU-AHFLO算法相对比较简单，书中的推导非常的详尽，非常具有学习价值。

LIO-SAM算法书中也有详细的推导，感兴趣的小伙伴可以自己查阅研究一下。

LiDAR与IMU组合定位的松耦合和紧耦合两种技术路线各有优势，松耦合计算相对简单，但伴随着IMU的累计误差还是会导致算法精度降低；紧耦合方式通过基于因子图优化、IMU预积分等方法实现LiDAR和IMU的紧耦合，进而实现鲁棒、精确的融合定位。

 

Jacktang

LIO-SAM算法书中有详细的推导，这本书值得好好读读

镜花水月000

Jacktang 发表于 2024-10-10 07:27 LIO-SAM算法书中有详细的推导，这本书值得好好读读

是的