fastlio

流形上的优化：SO(3)与SE(3)的广义加减法在FAST-LIO中如何简化状态估计在FAST-LIO这类紧耦合的激光惯性里程计系统中，状态向量通常包含位置（ℝ³中的平移）和姿态（SO(3)中的旋转）两种不同类型的量。这两类量的加法运算是互不相容的：平移可以用普通的向量加法直接叠加，旋转却需要通过矩阵乘法或四元数乘法组合。这种类型不一致使得状态估计中的线性化和滤波更新变得非常棘手。

激光雷达运动畸变是怎么来的，FAST-LIO又如何用IMU反向传播消除它？想象这样一个场景：一台搭载激光雷达的无人机正在快速飞行。雷达以100毫秒的扫描周期采集一帧点云，每个点的采集时刻不同——第一个点采集于t₀时刻，最后一个点采集于t₁时刻，t₁ - t₀ = 100毫秒。在这100毫秒里，无人机带着雷达向前移动了0.5米，同时机身还伴有小幅旋转。

运行FAST_LIO创建工作空间以及准备工作这里暂且不提备注：

解决 PX4 + ROS px4ctrl 「No odom!」自动起飞失败问题在基于 PX4 1.16.0 固件 + ROS 开发无人机自动控制功能时，遇到 [ERROR] [px4ctrl] Reject AUTO_TAKEOFF. No odom! 错误，导致无人机无法执行自动起飞指令。本文将详细梳理问题排查流程与最终解决方案，帮助同类型开发者避坑。

龙猫略略略

slam中的eskf观测矩阵推导在之前的《slam中的eskf推导》一文中，没有写观测矩阵 H 矩阵的过程，现在补上这部分。列举几个等下推导需要用到的一些点：

龙猫略略略

px4仿真使用fastlio的定位数据飞行前提是已经配置好 px4 的仿真以及 fastlio 的环境，可以用 XTDrone 的教程配置，比较快一些。我是按照 XTDrone 的教程配置好了 livox_avia 的环境。可以参考我之前的博文：https://blog.csdn.net/a_xiaoning/article/details/148305871?spm=1001.2014.3001.5501

我是有底线的