FAST-LIVO2

HKU-MARS 出品的快速直接法 LiDAR-惯性-视觉里程计,发表于 IEEE T-RO

许可证

GPL-2.0

概述

FAST-LIVO2 出自香港大学 MaRS 实验室(FAST-LIO 的缔造团队),是一套快速、直接法的 LiDAR-惯性-视觉里程计系统,发表于 IEEE Transactions on Robotics。它在误差状态迭代卡尔曼滤波器中以直接法紧耦合融合三路传感器数据——直接使用原始激光点和图像光度信息,无需特征提取——在纯激光或纯视觉系统会退化的环境中实现鲁棒的实时状态估计,并已在无人机上完成激进自主飞行的演示。

该系统的设计原则是「直接」:激光测量以原始点贡献面到点残差,相机对地图点贡献光度误差并在线估计曝光补偿——完全跳过特征检测,既保持了低延迟,又在弱纹理或弱结构场景(单一模态会失效之处)保持高鲁棒性。统一的体素地图同时保存几何与外观;在同一个误差状态迭代卡尔曼滤波器内按顺序更新(先激光后视觉),让每个传感器以各自的频率校正状态。最终系统可在嵌入式计算机上实时运行,支持小视场固态激光雷达(Livox),并具备优雅降级能力:视觉失效的黑暗环境中由激光维持系统运行,长走廊等几何退化场景则由视觉支撑。仓库提供 ROS 集成、数据集和配置文件,配套的 FAST-LIVO2 软硬件栈用于该实验室的无人机研究。它与 FAST-LIO2 一起构成 HKU-MARS 家族——紧耦合激光融合里程计领域的开源参考谱系。

为何重要

FAST-LIVO2 是机器人领域最具影响力的开源激光融合谱系(HKU-MARS)的旗舰:一套发表于 T-RO 的系统,让三传感器直接法融合在嵌入式硬件上成为现实,也是每篇新 LIVO 论文对标的参考基准。

解决的问题

激光里程计在几何退化场景中失效;视觉里程计在黑暗和弱纹理场景中失效。FAST-LIVO2 将激光、相机和 IMU 紧耦合到足以让任一失效模式都由另一传感器兜底——并在小型机载计算机上实时运行。

要点

• 在单个误差状态迭代卡尔曼滤波器中紧耦合融合 LiDAR-惯性-视觉
• 对原始点云和光度信息使用直接法——无需特征提取
• 统一体素地图同时保存几何与外观,并在线估计曝光
• 在嵌入式计算机上实时运行;已在无人机自主飞行中验证
• 出自 FAST-LIO 家族实验室(HKU-MARS),发表于 IEEE T-RO

适用人群

• SLAM 与状态估计研究人员
• 无人机与移动机器人自主系统工程师
• 融合固态激光雷达与相机的团队
• 多传感器融合方向的研究生

局限

• GPL-2.0 许可限制闭源使用
• 前提是严格的传感器同步和标定
• 主要针对 Livox 类固态激光雷达调优