fastlio2 论文笔记

贡献

• 点云不需要提特征，直接用原始点云和地图对齐。
• ikd-tree，对点云增量增删、降采样。运算效率高，各种arm板子上都能跑。

继承fastlio优点

• 考虑反向传播，提升运动补偿精度。
• 推导公式，找到等效计算卡尔曼增益的方法，使得计算复杂度决定于状态维度，而不是观测维度。

已有方法

• LOAM
  • 分为平面和边沿特征
  • scan to scan输出10hz里程计
  • scan to map 2hz优化地图。
• Lego-LOAM
  • 提取特征时，考虑地面点，增加计算速度。
  • 增加回环检测。
• LOAM-livox
  • 用固态激光做loam，非重复扫描，小fov。
  • 直接scan to map
• LION
  • 松耦合，scan to scan
  • 引入imu
• LIOM
  • 紧耦合，引入imu预积分
• LILIOM
  • 新的特征提取
• LIO-SAM
  • 需要9轴imu提供姿态作为先验。
• LINS
  • iEKF
    上述方法，为了实时计算，其local map比较小，几百米范围。
• FAST-LIO
  • 利用反向传播，做好了运动补偿。
  • 新的卡尔曼增益计算方式，降低计算量。

公式推导

LIO中ESKF相关公式的详尽说明
雷达惯性里程计论文阅读笔记—FAST-LIO （一）
ESKF原理
初始化原理

FAQ

• 为什么ESKF时，误差是右乘？
  旋转的左乘与右乘
  
  世界坐标系不动，也就是0坐标系不动，所以$R_2^1$是误差$\delta R$。

• 信息矩阵是什么？
  是协方差矩阵的逆。