一、论文摘要

里程计估计是每个需要在未知环境中导航的自主系统的关键要素。在现代移动机器人中，3D LiDAR 惯性系统通常用于执行此任务。通过融合 LiDAR 扫描和 IMU 测量，这些系统可以减少因顺序注册各个 LiDAR 扫描而引起的累积漂移，并提供稳健的姿态估计。尽管有效，激光雷达惯性测距系统需要部署适当的参数调整。在本文中，我们提出了 LIO-EKF，一种基于点对点配准和经典扩展卡尔曼滤波器方案的紧耦合 LiDAR 惯性里程计系统。我们提出了一种自适应数据关联，考虑相对位姿不确定性、地图离散化误差和激光雷达噪声。通过这种方式，我们可以大大减少针对给定类型环境进行调整的参数。实验评估表明，所提出的系统的性能与最先进的激光雷达惯性里程计管道相当，但计算里程计的速度明显更快。

备注：代码基于EKF，相比其他开源代码，结构简单，计算量小。

二、代码连接

代码下载连接：

YibinWu/LIO-EKF: Maybe the simplest LiDAR-inertial odometry that one can have. (github.com)

编译步骤：

• cd ~/catkin_ws/src
• git clone git@github.com:YibinWu/LIO-EKF.git
• cd ../
• catkin_make
• source ~/catkin_ws/devel/setup.bash

运行步骤：

Replace the path to the rosbag (bagfile) in the launch files with your own path.

• roslaunch lio_ekf urbanNav20210517.launch 
• roslaunch lio_ekf street_01.launch
• roslaunch lio_ekf short_exp.launch