Uncertainty-Aware LiDAR–Inertial–Visual SLAM with Adaptive Fusion and Multi-Channel Geometric Loop Closure

作者
Qixue Zhong,Jing Xing,Jian Liu,Luo L
出处
期刊:Robotics [Multidisciplinary Digital Publishing Institute]
卷期号:15 (5): 90-90
标识
DOI:10.3390/robotics15050090
摘要

Accurate and robust localization and mapping in complex and dynamic environments remain a fundamental challenge for autonomous systems. LiDAR–Inertial–Visual Odometry (LIVO) integrates the complementary strengths of LiDAR geometry, visual appearance, and inertial motion constraints. However, existing LIVO systems still suffer from limited adaptability to sensor degradation, weak loop-closure robustness, and insufficient cross-modal consistency modeling. This paper presents a robust multi-sensor SLAM framework that integrates an uncertainty-aware LIVO front-end, a geometry-driven loop-closure module, and a cross-modal consistency factor-graph back-end. We develop an uncertainty-aware iterated error-state Kalman filter (iESKF) to tightly fuse LiDAR, visual, and inertial measurements, with measurement covariances dynamically adjusted according to innovation statistics, feature-matching quality, and observability. To improve global consistency, we propose a multi-channel Binary Triangle Constraint (mBTC) descriptor for LiDAR-based loop detection, which enhances robustness under viewpoint changes and appearance degradation. In addition, we introduce a cross-modal consistency factor to explicitly constrain the relative motion agreement between visual and LiDAR odometries. Extensive experiments on multiple public benchmarks demonstrate improved accuracy, loop-closure reliability, and long-term consistency compared with state-of-the-art LIVO systems.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
Lynn完成签到,获得积分10
2秒前
任俊涛完成签到,获得积分10
2秒前
zzz123完成签到 ,获得积分10
4秒前
咚咚大王完成签到 ,获得积分10
6秒前
6秒前
方圆完成签到 ,获得积分10
9秒前
欢喜平凡完成签到,获得积分10
9秒前
普鲁士蓝完成签到 ,获得积分10
11秒前
英俊的铭的应助被科研通管家采纳,获得10
12秒前
阿甘完成签到,获得积分10
16秒前
Lee发布了新的文献求助30
16秒前
17秒前
麻衣少年完成签到 ,获得积分10
22秒前
挚友发布了新的文献求助10
23秒前
溯whale完成签到,获得积分10
24秒前
luoshikun完成签到,获得积分10
24秒前
popman完成签到 ,获得积分10
25秒前
fxy完成签到 ,获得积分10
28秒前
橘络完成签到 ,获得积分10
29秒前
解方程组完成签到,获得积分10
30秒前
隆zh完成签到 ,获得积分10
33秒前
ZJJ完成签到,获得积分10
33秒前
存慎完成签到 ,获得积分10
36秒前
Aoiny完成签到,获得积分10
38秒前
BAEK完成签到,获得积分10
39秒前
锅锅完成签到 ,获得积分10
39秒前
文曲星座下首席弟子完成签到 ,获得积分10
39秒前
科研通AI6.3的应助被cfw采纳,获得10
40秒前
zxy完成签到 ,获得积分10
41秒前
叮叮当当发布了新的文献求助10
42秒前
要早早睡呀完成签到,获得积分10
42秒前
等待的依波完成签到,获得积分10
45秒前
爱听歌的芷烟完成签到 ,获得积分10
45秒前
gj2221423完成签到 ,获得积分10
46秒前
陆焉识完成签到 ,获得积分10
47秒前
田様的应助被xiongmao2528采纳,获得10
47秒前
49秒前
Anne完成签到 ,获得积分10
50秒前
52秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8180084
求助须知:如何正确求助?哪些是违规求助? 9570230
关于积分的说明 21808824
捐赠科研通 7776113
什么是DOI,文献DOI怎么找? 3433261
关于科研通互助平台的介绍 2557454
邀请新用户注册赠送积分活动 2479012