LVBA：用于RGB点云建图的LiDAR-视觉联合优化

主要观点总结

本文介绍了LiDAR-视觉联合优化系统LVBA，用于提升RGB点云建图质量。文章详细阐述了LVBA的系统概述、主要贡献、内容概述、实验设置和评估方法。LVBA通过LiDAR联合优化和视觉联合优化两个主要部分来提升相机和LiDAR的位姿估计精度，并在多个数据集上进行了实验验证，证明了其优于其他最先进的方法。文章还介绍了相关资源和未来研究计划。

关键观点总结

关键观点1: LVBA系统概述

介绍了LiDAR-视觉联合优化系统LVBA，该系统由LiDAR联合优化和视觉联合优化两部分组成，旨在提高RGB点云建图质量。

关键观点2: LVBA的主要贡献

提出了光度联合优化方法，基于LiDAR点云先验的光度联合优化方法估计相机状态；开发了LiDAR辅助场景点生成和可见性确定算法，包括全局相机帧共视性的算法；评估了彩色点云地图的精度与一致性，对LVBA与当前最先进的LiDAR-视觉-惯性建图方法进行了广泛评估。

关键观点3: LVBA的内容概述

介绍了LVBA的系统架构，包括LiDAR状态优化、视觉联合优化、局部场景点生成和可见性判断、全局场景点的选择和可见性判定、光度误差的构建和优化等关键步骤。

关键观点4: 实验设置和评估方法

描述了LVBA的实验设置，包括数据集、实验方法和评估指标。通过对多个数据集进行建图精度评估，证明了LVBA在精确和一致地重建彩色点云地图方面优于现有技术。

关键观点5: 相关资源和未来研究计划

介绍了自动驾驶及定位相关分享的资源，包括点云论文速读、SLAM及AR相关分享等。还介绍了LVBA的未来研究计划，如结合IMU预积分和更先进的优化技术等。