《Visual-LiDAR Odometry Aided by Reduced IMU》（ISPRS2016）

Motivation

多传感器融合提升里程计精度

Contribution

1. 一个松耦合的传感器融合框架
2. 视觉提供雷达配准的初始位姿，用EKF结合IMU数据输出最终位姿
3. 视觉辅助激光里程计，只使用激光估计的位姿与IMU做融合

Content

1. 框架图

a. 启动视觉里程计（常规的特征点提取匹配步骤，没有用到雷达深度）

b. 视觉里程计作为高频初始位姿输出给雷达里程计作为ICP的初值

c. 雷达里程计接收到初值后进行点云注册和启动ICP

d. IMU持续接收信息用来和雷达位姿进行KF融合：

I: 误差状态模型:

II: 评价模型

III: 最后更新后的速度和位姿：

1. 实验结果

   

Conclusion

这篇论文当时找的时候是通过vloam的引用找的，但是可以看出他的论文效果比较一般，就最后的结果而言，我觉得甚至都比不上aloam，我觉得这篇论文的唯一的贡献就在于提出了雷达位姿和IMU的KF公式