激光雷达-相机-IMU之间的标定算法与工具箱汇总

主要观点总结

本文主要介绍了IMU在SLAM和自动驾驶领域的应用，特别是Lidar-IMU-Camera之间的标定方法与工具箱。文章列举并介绍了多个相关的工具和方法，包括港大LI工具、ETH LI工具、浙大LI工具等，并对它们的特点和应用做了简要概述。

关键观点总结

关键观点1: IMU在SLAM和自动驾驶领域的重要性

IMU在SLAM（Simultaneous Localization and Mapping）和自动驾驶领域有着广泛的应用。通过与其他传感器如相机和激光雷达的结合，可以实现高精度的定位和地图构建。

关键观点2: Lidar-IMU-Camera之间的标定方法

文章中提到了多个Lidar-IMU-Camera之间的标定方法和工具箱，包括港大LI工具LI Init等。这些方法主要用于校准激光雷达、IMU和相机之间的时间偏移和外部参数，以提高下游任务的精度。

关键观点3: 多个标定工具箱的介绍

文章列举并介绍了多个标定工具箱，如ETH LI工具、浙大LI工具、lidar_imu_calib等，每个工具箱都有其特点和适用场景。这些工具箱可以帮助用户进行多传感器之间的标定，提高系统的性能和精度。

关键观点4: 现有标定方法的挑战

文章提到现有标定方法面临的挑战，如需要解决多传感器之间的不重叠问题，以及需要一种可以同时校准多个相机、激光雷达和IMU的方法。

关键观点5: 对开源社区的贡献

文章中的很多标定方法和工具箱都是开源的，这有助于推动相关领域的研究和发展，促进技术交流和合作。

文章预览

本文只做学术分享，如有侵权，联系删文 IMU在SLAM和自动驾驶领域的应用非常多，Camera-IMU、Lidar-Camera-IMU之间的校准决定了下游任务的精度和上限，今天为大家盘点下Lidar-IMU-Camera之间的标定方法与工具箱！ 1）港大 LI 工具 LI Init是一种鲁棒、实时的激光雷达惯性系统初始化方法。所提出的方法校准了激光雷达和IMU之间的时间偏移和外部参数，以及重力矢量和IMU偏差。方法不需要任何目标或额外的传感器、特定的结构化环境、先前的环境点图或外部和时间偏移的初始值。解决了以下关键问题： 一种由FAST-LIO2改进而来的强大的激光雷达里程计（FAST-LO）。 无需任何硬件设置，即可在激光雷达和IMU之间进行快速、稳健的时间偏移和外部参数校准。 支持多种激光雷达类型：机械旋转激光雷达（Hesai、Velodyne、Ouster）和固态激光雷达（Livox Avia/Mid360） 无缝合并 ………………………………