根据传感器融合类型,激光雷达惯性融合算法可以分为松耦合方法和紧耦合方法。松耦合方法注重运行时间,分别考虑LiDAR的估计和IMU的估计,导致信息丢失和估计不准确。而紧耦合方法则旨在准确估计,将点云和 IMU 测量融合在基于优化或基于过滤的框架中,计算成本较高。本部分将介绍两种融合类型的当前最先进的方法。 3.3 视觉-...
近年来,同步定位与建图(SLAM)技术在自动驾驶、智能机器人、增强现实(AR)、虚拟现实(VR)等领域得到广泛应用。使用最流行的三种类型传感器(例如视觉传感器、LiDAR传感器和 IMU)的多传感器融合在SLAM中变得无处不在,部分原因是互补的传感能力和不可避免的缺陷(例如低精度和长距离测量)。独立传感器在具有挑战性的环境中的...
根据传感器融合类型,激光雷达惯性融合算法可以分为松耦合方法和紧耦合方法。松耦合方法注重运行时间,分别考虑LiDAR的估计和IMU的估计,导致信息丢失和估计不准确。而紧耦合方法则旨在准确估计,将点云和 IMU 测量融合在基于优化或基于过滤的框架中,计算成本较高。本部分将介绍两种融合类型的当前最先进的方法。 3.3 视觉-...
根据传感器融合类型,激光雷达惯性融合算法可以分为松耦合方法和紧耦合方法。松耦合方法注重运行时间,分别考虑LiDAR的估计和IMU的估计,导致信息丢失和估计不准确。而紧耦合方法则旨在准确估计,将点云和 IMU 测量融合在基于优化或基于过滤的框架中,计算成本较高。本部分将介绍两种融合类型的当前最先进的方法。 3.3 视觉-...
我们主要考虑三种传感器:单目相机、LiDAR和IMU。首先,我们将多传感器融合算法分为四类,即视觉-惯性、激光雷达-惯性、视觉-激光雷达、激光雷达-视觉-惯性融合算法。然后,我们详细描述了每个类别的最先进(SOTA)方法。每个类别的代表性方法如表1所示。 3.1 视觉惯性融合算法 ...