FAST-LIVO2在多层停车场场景中的高度漂移问题分析与解决方案

问题背景

在使用FAST-LIVO2进行多层停车场SLAM建图时，研究人员发现系统在垂直方向（重力轴）存在明显的位姿漂移问题。具体表现为：当设备从一层移动到二层时，系统估计的高度值无法达到真实的楼层高度，导致两层点云在垂直方向上出现重叠现象。

问题分析

这种垂直方向的漂移问题在SLAM系统中较为常见，可能由以下几个因素导致：

1. IMU参数配置不当：加速度计和陀螺仪的噪声参数设置不合理，导致惯性测量单元对重力方向的估计产生偏差。

2. 传感器外参标定不准确：特别是激光雷达与IMU之间的外参矩阵，微小的误差会在长时间运行中累积成明显的漂移。

3. 点云配准参数问题：在大范围场景下，点云降采样体素大小等参数会影响特征匹配的准确性。

4. 环境特征不足：停车场环境中天花板和地面特征相似，可能导致垂直方向约束不足。

解决方案

针对上述问题，经过实验验证，提出以下优化方案：

1. 修正传感器外参

对于Mid360设备，建议采用以下外参配置：

extrinsic_T: [ -0.011, -0.02329, 0.04412 ]
extrinsic_R: [ 1, 0, 0, 0, 1, 0, 0, 0, 1]

这一组外参经过精确标定，能够有效减少传感器间坐标系转换引入的误差。

2. 调整IMU噪声参数

针对大范围、长时间运行的场景，建议调整以下IMU相关参数：

acc_cov: 1.0  # 加速度计协方差
gyr_cov: 0.1  # 陀螺仪协方差

这些参数调整可以优化IMU数据在状态估计中的权重，减少惯性测量带来的漂移。

3. 优化点云处理参数

对于多层停车场等大范围场景，建议增大点云降采样的体素大小：

voxel_size: 1.0

较大的体素尺寸可以在保持场景特征的同时减少计算量，提高系统在长距离运行时的稳定性。

实施建议

1. 参数调整顺序：建议先修正外参，再调整IMU参数，最后优化点云处理参数。

2. 逐步验证：每次只调整一个参数或一组相关参数，观察系统表现变化。

3. 场景适应性：对于不同环境（如更高楼层或更大面积的停车场），可能需要进一步微调参数。

4. 实时监控：运行时监控系统的高度估计值，确保其与实际物理高度保持一致。

总结

通过精确的传感器标定和合理的参数配置，FAST-LIVO2系统在多层停车场等具有挑战性的垂直场景中能够获得更准确的高度估计。这些优化不仅解决了当前的高度漂移问题，也为类似垂直多层的SLAM应用场景提供了参考方案。实际应用中，用户可根据具体环境和设备特性对这些参数进行进一步微调，以获得最佳性能。