标题：LIO-Vehicle: A Tightly-Coupled Vehicle Dynamics Extension of LiDAR Inertial Odometry
期刊：IEEE Robotics and Automation Letters ( Volume: 7, Issue: 1, January 2022)
作者：Hongru Xiao, Yanqun Han, Junqiao Zhao, Jiafeng Cui, Lu Xiong, Zhuoping Yu
单位：Tongji University，Tongji University，Tongji University，Tongji University，Tongji University，Tongji University
2、研究方法：
论文选择成本低、稳定的车轮速度计和转向角传感器，因为可以精确地集成到车辆动力学模型中。介绍了由转向角传感器和车轮速度计获得的转向角和车轮速度测量值。然后，使用车辆动力学模型来估计车辆的角速度和线速度，并对结果进行预积分。其中，车轮速度比例系数会受到车辆负载、轮胎压力和路况的影响，而转向比会随车速变化，所以这两者都被视为估计变量。最后，论文将IMU预积分因子、车辆动力学预积分因子和LIDAR预积分因子添加到因子图中，并借助滑动窗口优化获得优化结果。所以本文是实现LIO-SAM方法与车辆动力学紧耦合的扩展方法，即LIO-Vehicle，LIO-Vehicle系统概述图如图1所示：
图1 论文所述方法LIO-Vehicle基本结构
由于当前的公共数据集不包含速度和转向角测量值，论文使用使用一辆汽车捕获新数据集。在室内实验中，在地下车库收集两个数据集，即ParkingLot1：在停车场周围行驶的环路；ParkingLot2：一个8字形的环形停车场。由于室内停车场没有卫星信号，因此定性地评估了测绘结果和轨迹。图2显示两个数据集在LIO-Vehicle中建图结果，即使汽车在ParkingLot2数据集中多次经过同一地点，在没有环路闭合的帮助下，地图也与ParkingLot1中一样清晰。
然后比较了ParkingLot2数据集中三种方法的轨迹。LeGO-LOAM、LIO-SAM和LIO-Vehicle的轨迹在xy平面上几乎相同。本实验中的停车场不是水平面，而是一侧高于另一侧。因此，随着汽车的升降，z方向的轨迹会周期性地增加和减少。为了评估垂直精度，使用高精度激光测距仪测量停车场两侧的最大高度差。经过多次测量，平均最大高度差为0.34m。因此，LIO-Vehicle的轨迹在z方向上最接近地面实况。纯激光雷达里程计（LeGO-LOAM）具有最大的漂移，通过比较LIO-SAM和LIO-Vehicle，得出结论，车辆动力学信息的辅助可以减少垂直定位误差，结果如图3所示：
图3 LeGO-LOAM、LIO-SAM和LIO-Vehicle使用ParkingLot2数据集的定位结果
在隧道实验，评估LIO-Vehicle方法在LiDAR退化环境中的稳健性。无论是否引入回环模块，LeGO-LOAM和LIO-SAM的建图结果都会严重重影。而LIO-Vehicle性能更好。在回环检测的帮助下，LIO-Vehicle_lc的建图结果看起来更加清晰。建图结果如图4：
而这三种方法的估计轨迹如下图5所示，LeGO-LOAM的最终轨迹比地面实况短，因为缺乏结构特征，LiDAR里程计退化，无法正确估计车辆姿态。即使在IMU的帮助下，LIO-SAM的轨迹仍然不平坦。对于LIO-Vehicle，由于车辆动态信息和IMU测量的紧密耦合，即使LiDAR里程计失效，IMU偏差和车辆动态比例因子仍可以实时校正。LIO-Vehicle的最终轨迹比纯LiDAR SLAM（LeGO-LOAM）和紧密耦合的雷达惯性SLAM（LIO-SAM）平滑得多。
图5 有无回环检测的LeGO-LOAM、LIO-SAM和LIO-Vehicle三种方法使用隧道数据集的轨迹
3、结论：
论文提出了LIO-Vehicle新方法，这是LiDAR惯性里程计与车辆动力学紧密耦合的扩展方法。引入车轮速度表和转向角传感器测量值来建立车辆动力学模型，然后构建车辆动力学预积分因子。在后端优化中，将LiDAR里程计因子、IMU预积分因子和车辆动力学预整合因子添加到因子图中优化获得优化结果。广泛的定性和定量评估表明，车辆动力学模块的引入提高了LIO的精度和鲁棒性。特别是激光雷达退化情况，借助于车辆动力学信息，该方法可以获得更稳定、准确的定位和映射结果。总之，论文的主要贡献是：（1）提出了LiDAR惯性里程计的紧密耦合车辆动力学扩展，以实现精确、实时和鲁棒的姿态估计和建图。（2）采用2-自由度车辆动力学模型，通过车轮速度计和转向角传感器的测量获得车辆的线性和角速度。然后基于关键帧之间的速度构建车辆动力学预集成因子。（3）车轮速度比例因子和转向比比例因子在线优化，因此它们可以适应不同的车辆和路况。
