论文Review SLAM R3LIVE | ICRA2022 港大MARS | 可以生成Mesh的激光视觉惯性SLAM

基本信息

题目：R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package

来源：ICRA 2022

学校：港大MARS

摘要：激光视觉惯性SLAM系统，可重建Mesh

在本文中，我们提出了一种新的激光雷达-惯性视觉传感器融合框架，称为R3LIVE，它利用激光雷达、惯性和视觉传感器的测量来实现鲁棒和准确的状态估计。R3LIVE由激光雷达-惯性测程法( LIO )和视觉惯性里程计( VIO )两个子系统组成。LIO子系统( FASTLIO )利用激光雷达和惯性传感器的测量数据，构建了(即3D点的位置)全球地图的几何结构。VIO子系统利用视觉惯性传感器的数据，渲染地图的纹理(即3D点的颜色)。更具体地说，VIO子系统通过最小化帧到地图的光度误差，直接有效地融合视觉数据。所开发的系统R3LIVE是在我们之前的工作R2LIVE的基础上开发的，并进行了仔细的架构设计和实现。实验结果表明，该系统比现有同类系统具有更强的鲁棒性和更高的状态估计精度。R3LIVE是一个多功能的、面向各种可能应用的精心设计的系统，它不仅可以作为实时机器人应用的SLAM系统，还可以重建稠密的、精确的、RGB颜色的三维地图，用于测绘等应用。此外，为了使R3LIVE具有更好的可扩展性，我们开发了一系列离线重建和纹理化网格的实用工具，进一步缩小了R3LIVE与模拟器、视频游戏等各种三维应用之间的差距。

Introduction

引言首先介绍了LiDAR传感器在机器人领域的广泛应用，例如自动驾驶车辆和无人机。近年来，低成本固态LiDAR的出现推动了更多基于LiDAR的应用发展。然而，LiDAR-based SLAM系统在缺乏足够几何特征的场景（如狭窄或空旷环境）中容易失败，尤其对于视野（FoV）有限的固态LiDAR。为了解决这一问题，研究者通过融合LiDAR与其他传感器（如相机和超宽带UWB）来提升系统的鲁棒性和精度。特别是LiDAR与视觉的融合（LiDAR-Visual fusion）在机器人社区中成为研究热点。

分析：

应用背景：引言明确了LiDAR在机器人领域的关键作用，尤其强调了低成本固态LiDAR的出现降低了技术门槛，推动了更广泛的应用。
问题聚焦：指出了LiDAR-based SLAM的局限性，即在几何特征不足的场景中性能下降，尤其是固态LiDAR因FoV受限更容易受到影响。
解决方案趋势：提出多传感器融合（特别是LiDAR、视觉和IMU的融合）是解决该问题的有效途径，为后续研究动机奠定了基础。

研究问题与目标

引言明确了本文的研究目标：基于LiDAR、惯性和视觉测量的紧耦合融合，实现实时同时定位、三维建图和地图渲染。目标是构建一个能够在复杂环境中实时生成密集、精确、RGB彩色点云地图的系统。

分析：

问题聚焦：传统SLAM系统在纹理缺失或几何特征不足的环境中表现不佳，且实时生成带RGB颜色的密集点云地图具有挑战性。
研究意义：提出实时定位、建图和彩色渲染的综合解决方案，填补了现有SLAM系统在纹理渲染和实时性方面的不足。

主要贡献

引言列出了本文的四个主要贡献：

提出R3LIVE系统 ：
- 包含LiDAR-惯性里程计（LIO）用于几何结构重建，视觉-惯性里程计（VIO）用于纹理渲染。
- 系统能够实时生成密集、精确、RGB彩色的三维点云地图（见图1(a)）。
新型VIO系统 ：
- 基于RGB彩色点云地图，通过最小化观测地图点RGB颜色与其在当前图像中的测量颜色之间的光度误差来估计状态。
- 不依赖显著视觉特征，省去特征检测和提取的处理时间，增强了在纹理缺失环境中的鲁棒性。
实现完整系统R3LIVE ：
- 集成了上述方法，实时构建低漂移的密集RGB彩色点云地图。
- 在室内外多种环境中验证，1.5公里行程后平移漂移仅0.16米，旋转漂移仅3.9度。
开源系统与工具 ：
- 在Github上开源R3LIVE系统。
- 提供离线工具，用于从彩色点云重建和纹理化网格（见图1(b)和(c)）。
- 公开软件工具和设备机械设计，方便社区应用。

分析：

技术创新：R3LIVE通过紧耦合融合和新型VIO设计，突破了传统SLAM在纹理缺失环境中的局限性，实现了实时彩色点云建图。
性能验证：低漂移性能（0.16米平移误差和3.9度旋转误差）显示了系统的高精度和鲁棒性。
开源贡献：开源系统和工具降低了研究门槛，促进了学术界和工业界的进一步开发和应用。

创新点与技术亮点

紧耦合融合：R3LIVE继承了R2LIVE的紧耦合框架，通过联合优化LiDAR、IMU和视觉数据，提升了定位和建图精度。
光度误差最小化：新型VIO通过光度误差取代传统特征匹配，避免了特征检测的计算开销，特别适合纹理缺失环境。
实时RGB点云建图：结合LIO和VIO，R3LIVE不仅重建几何结构，还实现纹理渲染，生成视觉效果丰富的彩色点云。
鲁棒性与适应性：系统在室内外复杂场景（如剧烈运动、狭窄环境）中表现优异，验证了其广泛适用性。
开源生态：提供完整系统和离线工具，促进了SLAM技术的社区化和产业化。

引言回顾了LiDAR、视觉和IMU融合的SLAM系统的发展，分为松耦合（loosely-coupled）和紧耦合（tightly-coupled）两大类：

松耦合方法

V-LOAM：Zhang和Singh提出了一种早期LiDAR-惯性-视觉融合系统，使用松耦合的视觉-惯性里程计（VIO）作为运动模型，为LiDAR建图子系统提供初始位姿。
DV-LOAM：Wang等人提出了一种直接视觉-LiDAR融合框架，先通过两阶段直接视觉里程计提供粗略状态估计，再通过LiDAR建图模块优化位姿，最后利用闭环检测纠正累积漂移。这些方法中，LiDAR测量与视觉或惯性测量未进行联合优化。

紧耦合方法

LIC-Fusion：Zuo等人提出了一种紧耦合框架，在多状态约束卡尔曼滤波（MSCKF）框架内联合优化IMU、稀疏视觉特征和LiDAR特征，支持在线空间和时间校准。
LIC-Fusion 2.0：进一步提出了一种基于滑动窗口的平面特征跟踪算法，优化多帧LiDAR扫描的位姿轨迹。
LVI-SAM：Shan等人基于因子图构建了一个紧耦合的LiDAR-视觉-惯性融合框架，支持LiDAR-惯性和视觉-惯性子系统在某一传感器失效时独立运行，或在特征充足时联合优化。
R2LIVE：作者之前的作品，通过紧耦合融合LiDAR、惯性和视觉数据，提取LiDAR和稀疏视觉特征，使用误差状态迭代卡尔曼滤波最小化特征重投影误差，以实现实时性能，同时通过滑动窗口优化提高视觉建图精度。R2LIVE在复杂场景（如剧烈运动、传感器失效、狭窄隧道）中表现出色。

分析：

松耦合 vs 紧耦合：松耦合方法将不同传感器的处理模块相对独立，计算复杂度较低，但精度和鲁棒性受限；紧耦合方法通过联合优化多传感器数据，显著提升了性能，尤其在复杂场景中。
现有工作的进步：从早期松耦合的V-LOAM到紧耦合的LIC-Fusion和R2LIVE，研究逐步解决了传感器融合的精度、实时性和鲁棒性问题。
R2LIVE的地位：作为作者前期工作，R2LIVE在紧耦合融合和实时性能上取得了突破，为本文提出的R3LIVE奠定了技术基础。

Method

系统分为两个主要子系统：LIO（LiDAR-Inertial Odometry，上半部分）和VIO（Visual-Inertial Odometry，下半部分）。这两个子系统通过紧耦合方式协作，实现实时定位、几何建图和纹理渲染。

关键内容描述

LIO子系统：负责构建全局地图的几何结构。具体而言，它注册输入的LiDAR扫描数据，通过最小化点到平面的残差（point-to-plane residuals）来估计系统的状态。这是一种典型的LiDAR-惯性融合里程计，用于处理LiDAR点云的配准和位姿估计，确保地图的几何精度。
VIO子系统：负责地图的纹理构建。它使用输入图像渲染每个点的RGB颜色，通过最小化帧间PnP重投影误差（frame-to-frame PnP reprojection error）和帧到地图的光度误差（frame-to-map photometric error）来更新系统状态。这部分强调了视觉信息的融入，用于增强地图的视觉真实感。

Maps representation

IV. LIDAR-INERTIAL ODOMETRY SUBSYSTEM

R3LIVE：Fastlio2 + ESIKF求点到平面的距离。

R3LIVE++：

这一节介绍了R3LIVE系统的LIO子系统，该子系统负责通过注册新LiDAR扫描到全局地图来重建环境的几何结构。采用广义迭代最近点（GICP）方法[46]，通过迭代最小化扫描点到地图对应平面距离来估计LiDAR位姿及其他系统状态，然后将新点添加到地图中。LIO聚焦于几何精度，提供VIO的位姿初值。

关键内容解释

子系统功能：LIO处理LiDAR扫描，补偿帧内运动[22]，使用GICP迭代估计位姿。估计状态用于添加新点到地图，确保地图的几何一致性。
创新点：与传统ICP不同，GICP使用点到平面残差，提升鲁棒性。结合IMU后向传播补偿运动畸变。

V. VISUAL-INERTIAL ODOMETRY SUBSYSTEM

这一节介绍了R3LIVE系统的VIO子系统，该子系统负责渲染全局地图的纹理，同时通过最小化光度误差（photometric error）来估计系统状态。VIO将全局地图中的稀疏跟踪点（tracked points）投影到当前图像上，在误差状态迭代卡尔曼滤波（ESIKF）框架内迭代估计状态。跟踪点采用稀疏设计以提高效率，通常需要构建图像金字塔（pyramid），但金字塔对平移或旋转不不变，需要额外估计。本文创新地使用单个地图点的颜色计算光度误差，该颜色在VIO中同时渲染，是地图点的固有属性，对相机平移和旋转不变。为确保鲁棒性和快速收敛，设计了两步管道（见图2）：首先通过帧到帧光流跟踪地图点，并最小化PnP投影误差优化状态（V-A节）；然后通过最小化跟踪点的帧到地图光度误差进一步精炼状态估计。

A. Frame-to-frame Visual-Inertial odometry

2) Frame-to-frame VIO ESIKF update（帧到帧VIO ESIKF更新）

B. Frame-to-map Visual-Inertial odometry

1) Frame-to-map photometric update（帧到地图光度更新）

2) Frame-to-map VIO ESIKF update（帧到地图VIO ESIKF更新）

C. Render the texture of global map（渲染全局地图纹理）

D. Update of the tracking points of VIO subsystem

内容解释：移除P中投影(4)或光度(19)误差大、或不在I_k FoV的点。将ζ中点投影到I_k，若邻域（e.g., 50像素半径）无跟踪点，添加到P。
分析：保持稀疏、均匀分布，确保下一帧覆盖。移除异常点提升鲁棒性。

实验

硬件平台

手持设备如图6(a)所示，包括电源单元、DJI Manifold-2C计算平台（Intel i7-8550U CPU + 8GB RAM）、FLIR Blackfly BFS-U3-13Y3C全局快门相机（FoV 82.9° × 66.5°）和Livox Avia LiDAR（FoV 70.4° × 77.2°）。计算平台支持实时处理。

数据集

最挑战SLAM场景------狭窄"T"形通道，传感器偶尔面对单平面墙壁（图7）。墙壁提供单一平面约束，导致LiDAR退化；白色墙壁纹理极少（图7(a)和(c)），仅靠光照变化，挑战视觉SLAM。LiDAR退化和视觉无纹理环境的鲁棒性评估）

香港科技大学（HKUST）校园，四条不同轨迹（Traj 1-4），总长1317m、1524m、1372m、1191m。鸟瞰图（X-Y投影）见图10，海拔变化见图11。复杂环境包括室内外过渡、行人/车辆干扰。大规模室内外城市环境高精度建图）

Benchmark

Experiment-1: Robustness evaluation in simultaneously LiDAR degenerated and visual texture-less environments

Experiment-2: High precision mapping large-scale indoor & outdoor urban environment

Experiment-3: Quantitative evaluation of precision using D-GPS RTK

在桌面PC（Intel i7-9700K + 32GB RAM）和机载计算机（OB，i7-8550U + 8GB RAM）上评估所有实验平均时间（表IV）。VIO时间受图像分辨率和点云地图分辨率（Pt res）影响。
结果：详细统计未列，但强调实时（<33ms/帧），VIO为主要瓶颈，受分辨率影响。

初体验

TODO