# Omni-LIVO：基于光度迁移与ESIKF融合的鲁棒RGB彩色多摄像头视觉-惯性-LiDAR里程计 Yinong Cao$^{1}$、Chenyang Zhang$^{1}$、Xin He$^{1,*}$、Yuwei Chen$^{1}$、Chengyu Pu$^{1}$、Bingtao Wang$^{1}$、Kaile Wu$^{1}$、Shouzheng Zhu$^{1}$、Fei Han$^{2}$、Shijie Liu$^{1}$、Chunlai Li$^{1}$ 以及 Jianyu Wang$^{1,3}$ 摘要—宽视场角（FoV）激光雷达传感器能够在大范围内提供密集的几何信息，但现有的激光雷达-惯性-视觉里程计（LIVO）系统通常仅依赖单台摄像头，因此无法充分利用激光雷达提供的深度信息来进行光度对齐和场景上色。我们提出了Omni-LIVO，这是一种紧耦合的多摄像头LIVO系统，能够利用多视角观测数据来全面利用广阔空间区域内的激光雷达几何信息。Omni-LIVO引入了跨视角直接对齐策略，可保持非重叠视图间的光度一致性；同时，该系统还对误差状态迭代卡尔曼滤波（ESIKF）进行了扩展，加入了多视角更新机制与自适应协方差调整功能。我们在公开基准测试集及自定义数据集上对该系统进行了评估，结果表明其精度和鲁棒性均优于现有的LIVO、LIO及视觉-惯性SLAM基线算法。 关键词—SLAM、多摄像头系统、紧耦合、视觉-惯性-LiDAR融合、直接视觉方法、体素地图。 ## I. 引言 同步定位与建图（SLAM）对于在未知环境中运行的自主系统而言已成为不可或缺的技术。传统方法按传感器类型分类：基于视觉的SLAM [^1]、[^2] 能提供丰富的视觉信息，但在低光照或纹理贫乏的场景中表现不佳；而基于激光雷达的SLAM [^3] 虽能提供可靠的几何信息，但在重复性环境中性能会下降。惯性测量单元（IMU）虽然不受环境限制，但存在长期漂移问题。 为克服单传感器局限性，视觉-惯性SLAM（VI-SLAM）和激光雷达-惯性SLAM（LI-SLAM）等多传感器融合系统利用不同传感器的互补特性来提升鲁棒性 [^4]、[^5]。近期的LIVO系统结合了密集的激光雷达几何数据、视觉测量以及高频惯性测量数据。LVI-SAM [^6] 采用基于特征的视觉跟踪技术，而FAST-LIVO [^7] 和FAST-LIVO2 [^8] 则通过在激光雷达生成的地图点上进行的光度补丁对齐来实现高精度定位。 多摄像头配置能为LIVO系统带来显著优势：它能扩展空间覆盖范围，从而充分利用激光雷达生成的深度数据进行光度对齐，提供更丰富的几何约束、更好的可观测性，并在遮挡和光照变化条件下增强鲁棒性。尽管多摄像头系统在视觉SLAM中已有应用 [^9]、[^10]，但将其与激光雷达及惯性数据紧密集成以用于LIVO系统方面的研究仍较为匮乏。 要充分利用这些优势，就必须解决关键的技术难题。与使用重叠视图进行特征匹配的双目系统不同，非重叠多摄像头配置需要采用不同的方法。首先，当图像块在不同摄像头间切换时，必须通过时间上的图像块迁移来维持光度连续性。其次，为了应对不同视图间差异化的测量可靠性问题，需要采用自适应协方差建模 [^11], [^12]。直接利用激光雷达生成的深度数据来进行多摄像头稀疏直接对齐，既能够保持高效性能，又能实现精准的视觉点选择，同时还能突破单摄像头在空间覆盖范围上的限制。 为应对这些挑战，我们提出了Omni-LIVO $^{1}$——一种紧密耦合的多摄像头LIVO系统，它在FAST-LIVO2的基础上加入了多视图光度约束。 主要贡献如下： 1) 跨视图时间迁移：一种能在非重叠视图间保持光度一致性的直接对齐策略。 2) 自适应多视图ESIKF：经过增强的ESIKF算法，通过自适应协方差调整来提升在恶劣环境下的鲁棒性。 3) 广泛的实验评估：在公开基准测试集和自定义数据集上，对这种紧密耦合的多摄像头LIVO框架进行了全面评估。 ### II. 相关工作 ### A. 激光雷达-惯性里程计的发展 激光雷达-惯性里程计（LIO）系统从基于特征的激光雷达里程计（如LOAM [^3] 和LeGO-LOAM [^13]）逐步发展到了直接法。FAST-LIO [^14] 消除了 --- 特征提取以及利用迭代卡尔曼滤波器直接注册的原始点。FAST-LIO2 [^15] 通过采用ikd-Tree进行增量地图更新，进一步提升了效率。然而，这些系统在几何环境较差的情况下缺乏视觉信息来支持运行。 ### B. 激光雷达-视觉-惯性融合 激光雷达-视觉-惯性融合技术弥补了纯激光雷达惯性定位系统的不足。R²LIVE [^16] 利用稀疏视觉特征并通过最小化重投影误差来实现融合。R³LIVE [^17] 进一步发展为利用RGB颜色一致性进行直接光度对齐。FAST-LIVO [^7] 率先通过将图像块附加到激光雷达地图点上来实现紧密耦合。FAST-LIVO2 [^8] 则通过采用基于顺序的ESIKF更新及直接方法对此进行了优化。不过，现有的激光雷达-视觉-惯性系统主要采用单摄像头配置，因此无法充分利用大视场角激光雷达在广阔空间范围内的几何特性。 ### C. 多摄像头视觉-惯性系统 多摄像头视觉-惯性SLAM因能够覆盖更广阔的空间而受到关注。MIMC-VINS [^18] 采用多状态约束卡尔曼滤波技术，可支持任意数量的摄像头。BAMF-SLAM [^19] 通过捆绑调整将多个鱼眼摄像头与惯性测量单元集成在一起。为了实现大视场角覆盖，LF-VIO [^20] 和 LF-VISLAM [^21] 针对单个大视场角摄像头采用了负成像平面模型。MAVIS [^10] 则扩展到了部分重叠的多摄像头系统。这些系统均在视觉-惯性领域运行，并未利用激光雷达的几何结构。 ### D. 直接视觉方法 直接视觉方法无需特征提取即可最大限度地减少光度误差。DTAM [^22]、LSD-SLAM [^1] 和 DSO [^23] 为稠密与稀疏跟踪奠定了坚实基础。MultiCol-SLAM [^24] 将直接方法扩展到了多摄像头系统。这种方式非常适合多摄像头 LIVO，因为它避免了非重叠视角下的对应点匹配复杂性。 ### III. 系统概述与方法论 Omni-LIVO 系统包含四个模块：传感器采集、预处理、多摄像头 ESIKF 以及统一建图，如图 1 所示。处理流程从 IMU 传播开始，随后进行连续的 ESIKF 更新，将激光雷达的点云到平面残差与多视图光度约束整合起来。跨视图时间迁移与自适应协方差矩阵能够保持非重叠视角间的光度一致性。 ### A. 符号说明 表 I 总结了本文中使用的关键数学符号。
TABLE I
NOTATIONAL CONVENTIONS
SymbolDescription
$\mathbf{T}_{c}^{w}$Transformation from world to camera frame
$\mathbf{R}_{c}$, tRotation matrix and translation vector
p3D point in world coordinates
$\tau_{c}$Inverse exposure time parameter for camera c
$N_{c}$Number of cameras
$\mathcal{P}_{k}^{\text{seg}}$Temporally segmented LiDAR point cloud
$\mathcal{C}_{k}^{(i)}$Image frame from camera i at time k
$\mathbf{V}_{k}$Voxel containing geometric and visual data
$\mathbf{n}_{k}$Plane normal vector
$\mathbf{r}_{VIO}$Visual-inertial odometry residual vector
$\mathbf{r}_{LIO}$LiDAR-inertial odometry residual
$\hat{\mathbf{x}}^{-}$, $\mathbf{P}^{-}$Prior state estimate and covariance
$\hat{\mathbf{x}}_{k|k}$, $\mathbf{P}_{k|k}$Posterior state estimate and covariance
$\mathbf{H}$Jacobian matrix
$\mathbf{K}$Kalman gain
$\ell$Iteration index
$\boxplus$Manifold addition operator
### B. 多传感器数据对齐 我们在 FAST-LIVO2 [^8] 的基础上，将时间对齐功能扩展到了多摄像头配置中 [^25]。该系统会生成时间上连贯的测量数据包： $$ \mathcal{M}_{\mathrm{k}}=\{\mathcal{P}_{\mathrm{k}}^{\mathrm{s e g}},\{\mathcal{J}_{\mathrm{j}}\}_{\mathrm{j}=\mathrm{k}-1}^{\mathrm{k}},\{\mathcal{C}_{\mathrm{k}}^{(\mathrm{i})}\}_{\mathrm{i}=1}^{N_{c}}\} $$ 其中 $\mathcal{M}_k$ 表示时刻 k 的多传感器测量数据包，而 $\{\mathcal{J}_j\}_{j=k-1}^k$ 则表示覆盖帧间间隔的高频 IMU 测量值集合。 尽管激光雷达和摄像头可能在相同的名义频率下工作（例如 10 Hz），但它们的触发事件并不总是同步的。为了实现不同模态数据之间的对齐，每个带有时间戳 $p_i$ 的激光雷达点 $\tau_i$ 会被分配到时间上最接近的摄像头帧中： $$ p_{i}\rightarrow frame_{k},\quad\mathrm{w i t h}k=\underset{j}{\arg\min}|\tau_{i}-t_{\mathrm{s y n c}}^{(j)}| $$ 其中 $t_{\mathrm{sync}}^{(j)}$ 表示同步触发时间。在每个帧 k 内，所有摄像头通道都会受到外部触发，以确保曝光同步： $$ t_{\mathrm{c a m}}^{(i,k)}=t_{\mathrm{s y n c}}^{(k)},\quad\forall i\in[1,N_{c}] $$ 这里 $t_{\mathrm{cam}}^{(i,k)}$ 表示第 k 帧中摄像头 i 的触发时间。 ### C. 跨视图直接法 我们形式化定义跨视图时间迁移过程，以维持非重叠视图间的光度连续性（见图 3）。迁移指示器 $M(\mathbf{p}, i \to j)$ 用于判断一个地图点是如何从摄像头 i 转移到摄像头 j 的： $$ M(\mathbf{p},\mathrm{i}\rightarrow\mathrm{j})=1\Leftrightarrow\left\{\begin{aligned}&\mathrm{cam}_{\mathrm{ref}}(\mathbf{p})=\mathrm{i}\\&\mathrm{cam}_{\mathrm{cur}}(\mathbf{p})=\mathrm{j}\\&\mathrm{i}\neq\mathrm{j}\\&\text{exclusive}_{\text{visible}}(\mathbf{p},\mathrm{j})=1\\&\text{temporal}_{\text{migrated}}(\mathbf{p},\mathrm{i}\rightarrow\mathrm{j})=1\end{aligned}\right. $$ 其中 $\mathrm{cam}_{\mathrm{ref}}(\mathbf{p})$ 和 $\mathrm{cam}_{\mathrm{cur}}(\mathbf{p})$ 分别返回在参考帧和当前帧中观测到 $\mathbf{p}$ 的摄像头 ID，且排除 $\mathrm{visible}(\mathbf{p}, \mathrm{j}) = 1$。 --- ![Image](images/f8414a1a129bbd96d1c26ede8d616ca98e445cee3c4ca2d10af2c06c9041f3be.jpg)
Fig. 1. Overview of the Omni-LIVO architecture. Light yellow, light blue, and light green modules represent visual, LiDAR, and IMU data respectively. Orange borders indicate extensions to baseline methods; blue borders indicate novel contributions.
![Image](images/0af7573c812d98c4dd9260cacc806ffc5d4083f5bc900422cdd6e21981cb1f2e.jpg)
Fig. 2. Multi-sensor temporal alignment. LiDAR points are associated with the nearest camera frame, while IMU measurements provide continuous motion priors for temporally consistent fusion.
![Image](images/034956e7a1d30bd77d0265f7063a00ffb28e776627ec4fa8d275edada10ff798.jpg)
Fig. 3. Cross-View temporal migration. At $t_1$, map points $\mathbf{p}_1$, $\mathbf{p}_2$, $\mathbf{p}_3$ are observed by Left $(C_L)$, Front $(C_F)$, and Right $(C_R)$ cameras respectively. As the platform moves, points migrate between camera views $(\mathbf{p}_2$ migrates from $C_F$ to $C_L$ at $t_2)$, maintaining photometric continuity across non-overlapping $90^\circ$ FoVs through Cross-View residuals.
该机制确保 $\mathbf{p}$ 仅在摄像头 j 中可见（即 $\pi_j(\mathbf{T}_j^w \cdot \mathbf{p}) \in \Omega_j$，其中 $\Omega_j$ 为有效图像区域），而在其他摄像头中不可见；同时 $\text{temporal}_{\text{migrated}}(\mathbf{p}, \mathbf{i} \to \mathbf{j}) = 1$ 用于验证 $\mathbf{p}$ 是否从摄像头 i 迁移到了摄像头 j。 当发生摄像头迁移时，参考块会通过优先选择当前摄像头的观测结果，或选取光度误差最小的块来进行动态切换： $$ \mathbf{p}_{ref}^{*}=\underset{\mathbf{p}_{k}\in\mathcal{O}(\mathbf{p})}{arg min}\frac{1}{|\mathcal{O}(\mathbf{p})|-1}\sum_{\mathbf{p}_{m}\in\mathcal{O}(\mathbf{p})\backslash\{\mathbf{p}_{k}\}}\|\mathbf{I}_{k}-\mathbf{I}_{m}\|^{2} $$ 其中 $\mathcal{O}(\mathbf{p})$ 表示点 $\mathbf{p}$ 的所有观测集合，$\mathbf{I}_k \in \mathbb{R}^P$ 是向量化的块强度，P 则表示块的大小。 为确保不同相机间的强度比较具有一致性，图像测量值会经过渐晕校正处理： $$ I_{k}^{\prime}(u,v)=V_{k}(r^{2})\cdot I_{k}(u,v) $$ 其中，$I_{k}(u,v)$ 表示像素坐标 $(u,v)$ 处的原始图像强度，$I_{k}^{\prime}(u,v)$ 为经渐晕校正后的强度；r 是从图像中心到该像素的径向距离，而 $V_{k}(r^{2})$ 则是表征渐晕效应的函数，其表达式为： $$ V_{k}(r^{2})=1+\sum_{n=1}^{3}\beta_{k,n}\cdot r^{2n} $$ 其中，$\beta_{k,n}$ 是为每台相机离线标定的渐晕多项式系数。 不同相机间的曝光差异是通过每台相机对应的逆曝光时间参数 $\tau_{c}$ 来处理的，这些参数会在 ESIKF 框架中联合优化，从而无需估算相对曝光因子即可保证光度一致性。 在局部平面假设下，相对变换与诱导单应性矩阵被用以实现相机间图像块的扭曲对齐。从相机 i 到相机 j 的相对变换表达式为： $$ \mathbf{T}_{\mathrm{i}\rightarrow\mathrm{j}}(t)=\mathbf{T}_{\mathrm{j}}^{\mathrm{w}}(t_{\mathrm{j}})\cdot(\mathbf{T}_{\mathrm{i}}^{\mathrm{w}}(t_{\mathrm{i}}))^{-1} $$ 在局部平面假设下，用于将相机 i 中的点映射到相机 j 的单应性矩阵 $\mathbf{H}_{i\to j}(\mathbf{p})$ 的表达式为 [^26]： $$ \mathbf{H}_{\mathrm{i}\rightarrow\mathrm{j}}(\mathbf{p})=\mathbf{R}_{\mathrm{i}\rightarrow\mathrm{j}}+\frac{\mathbf{t}_{\mathrm{i}\rightarrow\mathrm{j}}\mathbf{n}_{\mathrm{i}}^{\mathrm{T}}}{d_{\mathrm{i}}} $$ --- ![Image](images/b2de486cf1d4b59500907e964e3ec68efc02fc3c04c39a87d9dc0ba82dc73dfd.jpg)
Fig. 4. Photometric patch associations during turning: intra-camera patches (green) remain within the same view, while migrated patches (red) form Cross-View associations across different cameras.
其中，$\mathbf{R}_{i\to j}$ 和 $\mathbf{t}_{i\to j}$ 分别表示旋转和平移参数；$\mathbf{T}_{i\to j}$、$\mathbf{n}_i$ 是相机 i 坐标系下图像块处的单位表面法向量，$d_i$ 则是该点在相机 i 坐标系下的深度。这种单应性矩阵能够实现非重叠相机视图间的图像块直接扭曲对齐，从而保证光度一致性。 基于上述定义，我们构建了相机内残差与跨视图残差，图像块关联过程如图 4 所示。对于相机内对齐而言，直接光度残差 $r_{direct}$ 的表达式为： $$ \begin{array}{r}{r_{\mathrm{d i r e c t}}^{\mathrm{c}}(\mathbf{p})=\tau_{c}\cdot I_{c}^{\prime}(\boldsymbol{\pi}_{c}(\mathbf{T}_{c}^{w}\cdot\mathbf{p}))-\tau_{\mathrm{r e f}}\cdot I_{\mathrm{r e f}}^{\prime}(\boldsymbol{\pi}_{\mathrm{r e f}}(\mathbf{p}_{\mathrm{r e f}}))}\end{array} $$ 其中，$\pi_{c}(\cdot)$ 表示从三维到二维图像坐标的相机投影函数，下标“ref”表示参考坐标系。 跨视图时间迁移残差 $r_{migration}$ 建立了不同相机在时间上的约束关系： $$ r_{\mathrm{m i g r a t i o n}}^{i\rightarrow j}(p)=\tau_{i}\cdot W_{H}\left[I_{i}^{\prime},\pi_{i}(p,t_{i})\right]-\tau_{j}\cdot I_{j}^{\prime}(\pi_{j}(p,t_{j})) $$ 这里相机i是源（参考）相机，相机j是目标（当前）相机，$W_{H}$ 表示利用单应性矩阵H进行的图像变形，而 $t_{i}$、$t_{j}$ 分别是对应的相机时间戳。 $$ \mathbf{J}_{\mathbf{R}}^{\mathrm{c o u p l e d}}=\mathbf{J}_{\mathbf{R}}^{i}-\mathbf{J}_{\mathbf{R}}^{j},\quad\mathbf{J}_{\mathbf{t}}^{\mathrm{c o u p l e d}}=\mathbf{J}_{\mathbf{t}}^{i}-\mathbf{J}_{\mathbf{t}}^{j} $$ 对于跨相机约束，我们构建了双向耦合雅可比矩阵，以考虑两台相机的几何贡献： 其中，$\mathbf{J}_{\mathbf{R}}^{k}=\tau_{k}\frac{\partial I_{k}}{\partial\mathbf{R}}$ 和 $\mathbf{J}_{\mathbf{t}}^{k}=\tau_{k}\frac{\partial I_{k}}{\partial\mathbf{t}}$ 是针对相机k的旋转和平移的曝光加权雅可比矩阵；类似的，曝光雅可比矩阵可表示为 $\frac{\partial r^{i\rightarrow j}}{\partial\tau_{i}}=I_{i}$ 和 $\frac{\partial r^{i\rightarrow j}}{\partial\tau_{j}}=-I_{j}$。这种双向建模方式确保了相机对之间的几何一致性和光度一致性。 完整的残差向量 $\mathbf{r}_{VIO}$ 将所有相机内部及跨视图残差堆叠起来，用于联合优化： $$ \mathbf{r}_{V I O}=\left[\mathbf{r}_{\mathrm{d i r e c t}}^{1},\ldots,\mathbf{r}_{\mathrm{d i r e c t}}^{N_{c}},\mathbf{r}_{\mathrm{m i g r a t i o n}}^{1\to2},\ldots,\mathbf{r}_{\mathrm{m i g r a t i o n}}^{i\to j}\right]_{(12)}^{T} $$ 时间迁移约束能够保持相机间的光度连续性，从而提升几何多样性与姿态估计的鲁棒性。多相机配置可以在维持足够观测数据的同时设定更严格的光度阈值，进而提高处理效率与精度。 ### D. 激光雷达几何约束处理 在我们所采用的多相机框架中，激光雷达测量数据提供了补充光度观测的结构性约束。我们利用基于体素平面提取技术来高效处理点云并生成几何残差。 原始的激光雷达点云被离散化为分辨率为$v_{\text{size}}$的体素。对于每个包含$\mathcal{V}_k$个点$N_k$的体素$\mathcal{P}_k = \{p_i\}_{i=1}^{N_k}$，我们计算其质心$\bar{p}_k = \frac{1}{N_k} \sum_{i=1}^{N_k} p_i$以及样本协方差矩阵$\mathbf{C}_k$： $$ \mathbf{C}_{k}=\frac{1}{N_{k}}\sum_{i=1}^{N_{k}}(p_{i}-\bar{p}_{k})(p_{i}-\bar{p}_{k})^{\mathrm{T}} $$ 通过求解$\mathbf{C}_k$的特征值分解来识别平面体素。如果最小特征值$\lambda_{\min} < \epsilon_{\text{plane}}$满足$\epsilon_{\text{plane}}$这一平面度阈值条件，那么对应的特征向量便定义了平面法线$\mathbf{n}_k$，该法线可满足平面上任意点p所满足的平面方程： $$ \mathbf{n}_{k}^{\mathrm{T}}(p-\bar{p}_{k})=0 $$ 通过测量点到平面的距离来构建激光雷达几何残差。设$\mathbf{p}^{\mathrm{w}}$表示世界坐标系下的一个激光雷达点，$\mathbf{T}_{\mathrm{L}}^{\mathrm{w}}$为从世界坐标系到激光雷达坐标系的变换矩阵。该点在激光雷达坐标系中的坐标为$\mathbf{p}^{\mathrm{L}} = \mathbf{R}_{\mathrm{L}}^{\mathrm{w}}\mathbf{p}^{\mathrm{w}} + \mathbf{t}_{\mathrm{L}}^{\mathrm{w}}$，而用于衡量点到平面距离的激光雷达-惯性残差$\mathbf{r}_{LIO}$则为： $$ \mathbf{r}_{LIO}(\mathbf{p}^{\mathrm{w}})=\mathbf{n}_{k}^{\mathrm{T}}(\mathbf{R}_{\mathrm{L}}^{\mathrm{w}}\mathbf{p}^{\mathrm{w}}+\mathbf{t}_{\mathrm{L}}^{\mathrm{w}}-\bar{\mathbf{p}}_{k}) $$ 其中$\bar{p}_{k}$是激光雷达坐标系下的平面质心。 ### E. 基于ESIKF的迭代多相机状态估计 由于曝光条件和环境的不同，不同相机的测量质量存在差异。我们扩展了ESIKF算法，通过顺序更新和自适应协方差机制，将多视角光度约束与激光雷达测量数据整合起来，如图5所示。首先利用激光雷达的点到平面残差更新状态，随后再依次用多相机光度残差更新状态。所有相机的残差和雅可比矩阵会被堆叠起来，并通过迭代的ESIKF更新过程直至收敛。 对于异构曝光设置，每台相机$\tau_c$会分别维护独立的逆曝光时间参数$c \in [1, N_c]$，并在ESIKF框架内对这些参数进行联合优化。雅可比矩阵被扩展为$\mathbb{R}^{m \times (6 + N_c)}$，其中m表示测量数据的总数量，6代表位姿参数（旋转和平移），而$N_c$则表示每台相机的曝光参数。 光度协方差矩阵$R_{img}$会根据实时的光度误差进行自适应缩放，以适配不同的测量质量。时间t处的协方差缩放因子$\sigma^{(t)}$通过线性映射计算得出： $$ \sigma^{(t)}=\sigma_{\min}+\frac{\bar{e}^{(t-1)}-1}{e_{\max}-1}\cdot\left(\sigma_{\max}-\sigma_{\min}\right) $$ 其中$\bar{e}^{(t-1)}$是上一帧的平均平方光度误差，$\sigma_{\min}$和$\sigma_{\max}$分别是协方差缩放的最小值和最大值边界（分别设为100.0和1000.0）。 --- ![Image](images/63e8511731e91fc2e8a679e44934685c725c1e3d469fefd41f14a55e4aa4725c.jpg)
Fig. 5. Iterative Multi-Camera ESIKF Framework. The pipeline performs Synchronize, IMU Propagate, LiDAR Update, Select Patches, and Adaptive Cov, followed by Init VIO and iterative updates of the photometric VIO loop until convergence.
相应地，$e_{max}$是缩放所需的最大误差阈值（通常设为100.0）。时间平滑处理可确保系统的稳定性： $$ \tilde{\boldsymbol{\sigma}}^{(t)}=\lambda\cdot\boldsymbol{\sigma}^{(t)}+\left(1-\lambda\right)\cdot\tilde{\boldsymbol{\sigma}}^{(t-1)} $$ 其中$\tilde{\sigma}^{(t)}$是经过平滑处理的协方差缩放因子，$\lambda$是平滑参数（设为0.3）。这种自适应加权机制会降低那些存在较大光度误差的相机（如运动模糊、遮挡情况）的权重，同时提高可靠观测数据的权重，从而提升系统在恶劣条件下的鲁棒性。 ```pseudo // Algorithm 1: summarizes the complete implementation. Algorithm-specific notation: $\tilde{\mathbf{x}}^{(\ell)}$ is the linearization point; $\mathbf{r}_{c}^{(\ell)}$, $\mathbf{H}_{c}^{(\ell)}$ are per-camera residuals and Jacobians stacked into $\mathbf{r}_{VIO}^{(\ell)}$, $\mathbf{H}_{VIO}^{(\ell)}$; $\delta\hat{\mathbf{x}}^{(\ell)}$ is the state increment; $e^{(\ell)}$ is the mean squared error; $\ell_{\max} = 10$ is the maximum iteration count. ``` ```pseudo // Algorithm 1: Multi-Camera ESIKF Update ``` 1 IMU传播：$\hat{\mathbf{x}}^{-}$、$\mathbf{P}^{-}$；激光雷达平面提取 2 激光雷达更新：采用迭代ESIKF算法，涉及$\mathbf{r}_{LIO}$、$\mathbf{H}_{LIO}$ 3 从摄像头选取图像块$c \in [1, N_c]$；通过公式(17)-(18)计算$\tilde{\boldsymbol{\sigma}}^{(t)}$ 4 VIO更新：$\ell \leftarrow 0$、$\delta \hat{\mathbf{x}}^{(0)} \leftarrow \mathbf{0}$、$e_{last} \leftarrow \infty$ 5 重复上述步骤 6 $\ell \leftarrow \ell + 1$；更新$\tilde{\mathbf{x}}^{(\ell)} = \hat{\mathbf{x}}^{-}$和$\oplus \delta \hat{\mathbf{x}}^{(\ell-1)}$ 7 对于摄像头$c = 1, \ldots, N_c$执行以下操作： 8 $\lfloor \text{Compute } \mathbf{r}_c^{(\ell)}, \mathbf{H}_c^{(\ell)} \text{ with cross-camera constraints}$ 9 堆叠$\mathbf{r}_{VIO}^{(\ell)} = [\mathbf{r}_1^{(\ell)}; \ldots; \mathbf{r}_{N_c}^{(\ell)}]$、$\mathbf{H}_{VIO}^{(\ell)} = [\mathbf{H}_1^{(\ell)}; \ldots; \mathbf{H}_{N_c}^{(\ell)}]$ 10 计算$e^{(\ell)} = \|\mathbf{r}_{VIO}^{(\ell)}\|^2 / n_{\text{meas}}$ 11 若$e^{(\ell)} \leq e_{last}$为真，则： 12 $\left| e_{last} \leftarrow e^{(\ell)} \right|$ 13 $\mathbf{K} = ((\mathbf{H}_{VIO}^{(\ell)})^{\mathrm{T}} \mathbf{H}_{VIO}^{(\ell)} + \mathbf{P}^{-1} / \tilde{\boldsymbol{\sigma}}^{(t)})^{-1}$ 14 $\delta \hat{\mathbf{x}}^{(\ell)} = \mathbf{K}((\mathbf{H}_{VIO}^{(\ell)})^{\mathrm{T}} \mathbf{r}_{VIO}^{(\ell)} - \mathbf{P}^{-1} \delta \hat{\mathbf{x}}^{(\ell-1)} / \tilde{\boldsymbol{\sigma}}^{(t)})$ 15 $\hat{\mathbf{x}}^{-} \leftarrow \hat{\mathbf{x}}^{-}$ $\oplus \delta \hat{\mathbf{x}}^{(\ell)}$ 16 否则： 17 $\lfloor \text{break}\rfloor$ 18 直到$\|\delta \mathbf{R}^{(\ell)}\| < 0.001^\circ$与$\|\delta \mathbf{t}^{(\ell)}\| < 0.01mm$成立，或$\ell \geq \ell_{\text{max}}$成立为止 19 $\mathbf{P}_{k|k} = (\mathbf{I} - \mathbf{K} \mathbf{H}_{VIO}^{(\ell)})^{\mathbf{P}^{-}}$ 20 返回$\hat{\mathbf{x}}_{k|k}$、$\mathbf{P}_{k|k}$ ### F. 基于多视图融合的统一体素映射 我们在一个自适应体素结构中整合了激光雷达几何信息与多视图光度图像块，该结构采用密度驱动的八叉树细化技术[^27]。每个体素$V_{k}$包含三个组成部分： 其中$N_{obs}$表示观测次数，$\mathcal{P}_{j}^{(k)}$是以多级金字塔结构组织的图像块，$T_{wc}^{(k)}$是摄像头位姿，$\tau^{(k)}$是曝光参数，$id_{cam}^{(k)}$是摄像头标识符。 $$ \mathcal{V}_{k}=\{\mathcal{G}_{k},\mathcal{W}_{k},\mathcal{S}_{k}\} $$ 其中$\mathcal{G}_k$代表来自激光雷达的几何平面参数，$\mathcal{W}_k$包含具有多视图观测信息的视觉地图点，$\mathcal{S}_k$则存储八叉树细分结构。视觉地图点是通过将图像划分为规则网格并选取Shi-Tomasi角点响应最高的激光雷达点生成的。每个视觉点j都维护一个特征结构$\mathcal{F}_j$，其中包含跨多个帧的$N_{\text{obs}}$次观测数据： $$ \mathcal{F}_{j}=\{\mathcal{P}_{j}^{(k)},\mathrm{T}_{w c}^{(k)},\tau^{(k)},i d_{\mathrm{c a m}}^{(k)}\}_{k=1}^{N_{\mathrm{o b s}}} $$ ### IV. 实验评估 我们在公开基准测试和自定义数据集上对所提系统进行评估，并与现有最先进方法进行比较。 ### A. 数据集与基线方法 为了验证所提出的多摄像头LIVO框架的有效性，我们开展了全面的实验，评估其在不同环境下的轨迹精度、关键组件消融效果、计算效率以及定性映射性能。 评估在Hilti SLAM Challenge 2022/2023和Newer College数据集上进行。此外，我们还收集了一个自定义数据集，该数据集包含使用LIVOX MID360激光雷达（水平视场角360°，10Hz）和四台摄像头（分辨率1024×768，10Hz）以交叉模式配置的多个序列，数据采集平台包括手持设备和机器人平台（见图6）。 我们将其与五种方法进行比较：FAST-LIVO2、FAST-LIVO、R³LIVE（激光雷达-惯性-视觉融合）、FAST-LIO2（激光雷达-惯性融合）以及OpenMAVIS（多摄像头视觉-惯性融合）。所有LIVO系统均采用10Hz的摄像头和激光雷达数据采集频率。FAST-LIVO2与我们系统采用的LIO和IMU参数相同。消融研究使用了五种系统变体：w/o ac（禁用自适应协方差）、w/o cvtm（禁用跨视图时间迁移）、1-Cam、2-Cam以及Ours（配备三台摄像头的完整系统）。 ---
TABLE II
ABSOLUTE TRAJECTORY ERRORS (RMSE IN METERS) ON MULTIPLE BENCHMARK DATASETS
DatasetSequenceBaseline MethodsOmni-LIVO Variants
FAST-LIVOFAST-LIVO2$R^{3}$LIVEFAST-LIO2OpenMAVISw/o acw/o cvtm1-Cam2-CamOurs
Hiti 2022Attic to Upper Gallery1.6500.150$\times$$\times$0.1030.0820.0890.1760.0850.069
Attic to Upper Gallery 21.1650.123$\times$3.5910.2550.1290.1410.1220.1340.120
Basement 20.1290.0430.0970.1360.0820.0380.0360.0490.0310.031
Construction Ground0.0160.0100.0150.0180.0940.0100.0110.0110.0100.011
Construction Multilevel0.1550.0200.0210.0380.9330.0210.0200.0220.0200.020
Construction Stairs0.2910.0390.6110.6250.0540.0280.0320.0420.0310.030
Construction Upper 10.0320.0300.0280.1240.0830.0290.0290.0290.0290.027
Construction Upper 20.0890.0410.0410.1000.0400.0190.0200.0370.0220.009
Construction Upper 30.0910.0450.049$\times$0.0750.0270.0250.0470.0250.011
Cupola0.2700.130$\times$$\times$0.1400.1330.1290.1440.1310.126
Cupola 2$\times$0.185$\times$$\times$0.1360.1270.1460.1870.1210.098
Long Corridor0.0720.0560.0690.0770.0980.0520.0550.0560.0530.051
Lower Gallery0.0650.0330.0100.0560.0640.0090.0110.0210.0110.006
Lower Gallery 20.3870.155$\times$$\times$0.1780.1090.1190.1580.1080.083
Outside Building0.0470.0310.0330.0290.4250.0200.0180.0220.0160.016
Hiti 2023Floor 00.0300.0230.0450.0680.0600.0210.0200.0300.0240.020
Floor 10.0290.0200.0450.0550.1270.0180.0190.0200.0190.017
Floor 20.0930.0220.1210.1210.1780.0120.0220.0200.0180.012
Basement0.0720.0190.0700.1900.2460.0210.0200.0200.0160.016
Stairs0.2300.0200.2020.1540.2250.0100.0130.0190.0130.008
Newer CollegeQuad easy0.0990.0820.0860.0920.0840.0770.0810.0800.0770.071
Quad medium1.5300.0730.0610.1010.1130.0690.0740.0750.0700.065
Quad hard1.7570.0830.0710.1460.1240.0730.0750.0750.0720.057
Stairs0.1240.0570.224$\times$$\times$0.0490.0510.0460.0610.048
Underground easy0.1250.0490.0370.1560.1200.0510.0500.0490.0510.049
Underground medium0.0880.0430.0470.1530.1300.0370.0410.0450.0390.034
Underground hard0.1570.2410.0690.1410.2550.0680.0720.0960.0610.055
![Image](images/7a3b4016acc0d26ce52c5bc9df36af336b22de911fe110b66ed2c43a8b92388b.jpg)
(a) Handheld device setup
![Image](images/6ae93d0ab275c7375709022ffe0d2fd80a840b879b5ac7a4de84ab965003c0f6.jpg)
(b) Robotic platform setup
Fig. 6. SLAM data acquisition platforms used in our custom dataset. (a) Handheld configuration. (b) Robotic configuration.
### B. 定量结果 表二总结了所有序列中的绝对轨迹误差（加粗表示最佳，下划线表示次佳）。在27个序列中，Omni-LIVO变体有25个的误差最小，且能成功完成所有测试轨迹；无论是在建筑工地、室内走廊还是地下场景等各种环境中，其性能都优于FAST-LIVO2、R $^{3}$LIVE、FAST-LIO2和OpenMAVIS。与FAST-LIVO2相比，我们的系统在全部27个序列上的平均误差降低了30%，在Lower Gallery场景下的误差降幅更是高达82%。 消融实验表明：在视角变化较大的序列中，“跨视图时间迁移”机制能提升定位精度（如Cupola 2场景：采用该机制时误差为0.098米，未采用时误差达0.146米）；而“自适应协方差调整”则能增强系统在光照变化环境下的鲁棒性（如Lower Gallery 2场景：采用该机制时误差为0.083米，未采用时误差为0.109米）。摄像头数量对比结果显示，从单摄像头到三摄像头配置（我们的方案），定位精度逐步提升，且在复杂环境中的改善最为显著（如地下硬质地场景：误差从0.096米降至0.055米）。这一趋势说明，在多摄像头融合技术下，几何结构复杂的场景能获得更大的性能收益。 ### C. 计算性能 单摄像头情况下的计算复杂度为$\mathcal{O}(N_p \cdot P \cdot L)$，多摄像头情况下为$\mathcal{O}((N_p + N_{\text{cross}}) \cdot P \cdot L)$，其中$N_p$代表视觉点数量，P为图像块大小，L为金字塔层级数，$N_{\text{cross}}$则表示跨摄像头观测值的数量。 我们使用的硬件为搭载12核ARM CPU（2.2GHz）和64GB内存的NVIDIA Jetson AGX Orin，操作系统为Ubuntu 20.04。系统参数设置为：激光雷达体素尺寸1.0米，表面过滤阈值为0.5米，每帧最多处理150个视觉点。 表三展示了处理时间与内存消耗情况。与FAST-LIVO2相比，Omni-LIVO在Hilti数据集上带来了$1.16\times$的开销（60.3毫秒对比52.1毫秒，使用3个摄像头），在自定义序列上则产生了$1.21\times$的开销（40.6毫秒对比33.6毫秒，使用4个摄像头），这一开销主要源于跨摄像头约束的计算；不过Omni-LIVO仍能保持10Hz的实时性能，内存消耗分别为2906 MB（Hilti数据集）和2359 MB（自定义序列），充分体现了其在嵌入式平台上的实用价值。 ### D. 定性结果 图7展示了Omni-LIVO在两种多摄像头配置序列上的建图质量。图8验证了该系统维持全局一致性并实现精准回环闭合的能力，其中Omni-LIVO的对齐效果明显优于存在可见漂移现象的FAST-LIVO2。这种一致性的提升得益于多视角约束带来的更强可观测性。表四显示，Omni-LIVO生成的 --- ![Image](images/909fe3b9745d916bdf8c775d8e21353739ef3a12009044c1861bfdd1be923ae3.jpg) ![Image](images/44812fd3abb9fa90eb8e34a281cde0160cc34a68bf18b511c21176d0e033ab4b.jpg) ![Image](images/d1f344b6f67f627dccf2faeb94b72e8f256850df65585333cba633cd35271628.jpg)
(a) Cupola 2
![Image](images/810cdc8e7f975497402ebff0df5768f52f772b25451a2533f12b2a0ddaa739e6.jpg) ![Image](images/cf8e44c9fdf5af7f5a8c0a3824744887d9386593c722c62b24e15f846c7fba55.jpg)
(b) Underground Hard
![Image](images/077a5bc5016ba869da9be3c1c61a1385082d96f06a6007ea68e036c1f99b61e0.jpg)
Fig. 7. Mapping quality comparison on two challenging sequences. (a) Cupola 2 scene with overall map and detailed regions. (b) Underground Hard scene with overall map and detailed regions. The colored regions are grayscale LiDAR point clouds colorized using multi-camera gray images.
![Image](images/e4889a32a05bb8787f1099e1dfb17443d84121f47949249b1d704522dd9d0fde.jpg)
(a) Overall map
![Image](images/cc1baeeebde70d2664445b9984c9c7d7768e2cb8ae5dae2115095cb37f25cebe.jpg)
(b) Omni-LIVO: Start/End alignment
![Image](images/e7b2b08273e4524646f29ea43f6528221f5cab916467655af814afbbe79b302b.jpg)
(c) FAST-LIVO2: Start/End misalignment
Fig. 8. Loop closure comparison on staircase sequence. (a) Overall map. (b) Omni-LIVO: precise start/end alignment. (c) FAST-LIVO2: visible drift.
RGB彩色点数量多于其他竞争方法，在复杂环境中的提升尤为显著（在basement3场景中，其生成量比FAST-LIVO2多3.5倍）。 ### E. 讨论 实验结果表明，在所评估的序列中，Omni-LIVO相较于基线方法实现了更高的精度，仅带来适度的计算开销。多摄像头配置能够扩展空间覆盖范围，并实现更密集的场景着色。消融实验表明，视点变化较大的序列中，跨视角约束能够提升性能；
TABLE III
COMPUTATIONAL PERFORMANCE COMPARISON
Sequence#CamFAST-LIVO2Omni-LIVO
Time (ms)Mem (MB)Time (ms)Mem (MB)
Construction Upper350.7190158.12017
Cupola 2351.2347757.03498
Outside Building354.5326165.93203
Avg. (Hilt)352.1288060.32906
Corridor417.3105421.01197
Basement3449.9347360.13520
Avg. (Custom)433.6226440.62359
---
TABLE IV
RGB POINT CLOUD STATISTICS (NUMBER OF COLORED POINTS)
Methodstairsclassroombasement3corridor
Omni-LIVO14,184,5004,484,88933,513,6088,715,790
FAST-LIVO25,539,7003,111,5049,519,1254,863,001
FAST-LIVO3,827,9551,611,5395,019,2002,543,585
R $^{3}$LIVE393,242619,3101,213,9291,007,194
而在光照变化条件下，自适应协方差机制则能增强系统的鲁棒性。 ### V. 结论 本文介绍了Omni-LIVO，这是一种紧密耦合的多摄像头激光雷达-惯性-视觉里程计系统。该系统通过跨视图时间迁移和自适应ESIKF集成，将直接视觉方法扩展到多视角配置。在公开基准测试和自定义数据集上的评估表明，与最先进的LIVO、LIO及视觉惯性方法相比，该系统能实现更低的轨迹误差。多摄像头配置不仅提供了更广的空间覆盖范围，还能生成密度更高的RGB彩色点云。定量与定性结果均证明了所提出的多摄像头融合方法的有效性。未来的工作将致力于在线回环检测以及多传感器校准精度的优化。 ## 参考文献 [^1]: J. Engel, T. Schöps, and D. Cremers, "LSD-SLAM: Large-scale direct monocular SLAM," in Proc. Eur. Conf. Comput. Vis. (ECCV), Zurich, Switzerland, Sep. 2014, pp. 834–849, doi: 10.1007/978-3-319-10605-2_54. [^2]: R. Mur-Artal and J. D. Tardós, “ORB-SLAM2: An open-source SLAM system for monocular, stereo, and RGB-D cameras,” IEEE Trans. Robot., vol. 33, no. 5, pp. 1255–1262, Oct. 2017, doi: 10.1109/TRO.2017.2705103. [^3]: J. Zhang and S. Singh, "LOAM: LiDAR odometry and mapping in real-time," in Proc. Robot.: Sci. Syst., Berkeley, CA, USA, Jul. 2014, pp. 1–9, doi: 10.15607/RSS.2014.X.007. [^4]: T. Qin, P. Li, and S. Shen, "VINS-Mono: A robust and versatile monocular visual-inertial state estimator," IEEE Trans. Robot., vol. 34, no. 4, pp. 1004–1020, Aug. 2018, doi: 10.1109/TRO.2018.2853729. [^5]: C. Campos, R. Elvira, J. J. G. Rodríguez, J. M. M. Montiel, and J. D. Tardós, “ORB-SLAM3: An accurate open-source library for visual, visual-inertial, and multimap SLAM,” IEEE Trans. Robot., vol. 37, no. 6, pp. 1874–1890, Dec. 2021, doi: 10.1109/TRO.2021.3075644. [^6]: T. Shan, B. Englot, C. Ratti, and D. Rus, "LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping," in Proc. IEEE Int. Conf. Robot. Autom. (ICRA), Xi'an, China, May 2021, pp. 5692–5698. [^7]: C. Zheng, Q. Zhu, W. Xu, X. Liu, Q. Guo, and F. Zhang, "FAST-LIVO: Fast and tightly-coupled sparse-direct LiDAR-inertial-visual odometry," in Proc. IEEE/RSJ Int. Conf. Intell. Robot. Syst. (IROS), Kyoto, Japan, Oct. 2022, pp. 4003–4009, doi: 10.1109/IROS47612.2022.9981107. [^8]: C. Zheng, W. Xu, Q. Guo, and F. Zhang, "FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry," IEEE Trans. Robot., vol. 41, pp. 326–346, 2025, doi: 10.1109/TRO.2024.3502198. [^9]: J. Kuo, M. Muglikar, Z. Zhang, and D. Scaramuzza, “Redesigning SLAM for arbitrary multi-camera systems,” in Proc. IEEE Int. Conf. Robot. Autom. (ICRA), Paris, France, May 2020, pp. 2116–2122, doi: 10.1109/ICRA40945.2020.9196730. [^10]: Y. Wang, Y. Ng, I. Sa, A. Parra, C. Rodriguez-Opazo, T. Lin, and H. Li, "MAVIS: Multi-camera augmented visual-inertial SLAM using SE $_{2}$(3)-based exact IMU pre-integration," in Proc. IEEE Int. Conf. Robot. Autom. (ICRA), Yokohama, Japan, May 2024, pp. 1694–1700, doi: 10.1109/ICRA57147.2024.10609982. [^11]: L. T. Zhang, D. Wisth, M. Camurri, and M. Fallon, “Balancing the budget: Feature selection and tracking for multi-camera visual-inertial odometry,” IEEE Robot. Autom. Lett., vol. 7, no. 2, pp. 1182–1189, Apr. 2022, doi: 10.1109/LRA.2021.3137910. [^12]: A. Fontan, L. Oliva, J. Civera, and R. Triebel, “Model for multi-view residual covariances based on perspective deformation,” IEEE Robot. Autom. Lett., vol. 7, no. 2, pp. 1960–1967, Apr. 2022, doi:10.1109/LRA.2022.3142905. [^13]: T. Shan和P. Rightweight在2018年10月IEEE会议上发表的关于“地形”的地面优化研究， [^14]: W. Xu, Y. Cai, D. He, J. Lin, and F. Zhang, "FAST-LIO2: Fast direct LiDAR-inertial odometry," IEEE Trans. Robot., vol. 38, no. 4, pp. 2053–2073, Aug. 2022, doi: 10.1109/TRO.2022.3141876. [^15]: W. Xu and F. Zhang, "FAST-LIO: A fast, robust LiDAR-inertial odometry package by tightly-coupled iterated Kalman filter," IEEE Robot. Autom. Lett., vol. 6, no. 2, pp. 3317–3324, Apr. 2021, doi: 10.1109/LRA.2021.3064227. [^16]: J. Lin, C. Zheng, W. Xu, and F. Zhang, “R²LIVE: A robust, real-time, LiDAR-inertial-visual tightly-coupled state estimator and mapping,” IEEE Robot. Autom. Lett., vol. 6, no. 4, pp. 7469–7476, Oct. 2021, doi: 10.1109/LRA.2021.3095515. [^17]: J. Lin and F. Zhang, "R $^{3}$LIVE: A robust, real-time, RGB-colored, LiDAR-inertial-visual tightly-coupled state estimation and mapping package," in Proc. IEEE Int. Conf. Robot. Autom. (ICRA), Philadelphia, PA, USA, May 2022, pp. 10672–10678, doi:10.1109/ICRA46639.2022.9811935. [^18]: K. Eckenhoff, P. Geneva, and G. Huang, “MIMC-VINS: A versatile and resilient multi-IMU multi-camera visual-inertial navigation system,” IEEE Trans. Robot., vol. 37, no. 5, pp. 1360–1380, Oct. 2021, doi: 10.1109/TRO.2021.3049445. [^19]: W. Zhang, S. Wang, X. Dong, R. Guo, and N. Haala, “BAMF-SLAM: Bundle adjusted multi-fisheye visual-inertial SLAM using recurrent field transforms,” in Proc. IEEE Int. Conf. Robot. Autom. (ICRA), London, UK, May 2023, pp. 6232–6238, doi: 10.1109/ICRA48891.2023.10160905. [^20]: Z. Wang, K. Yang, H. Shi, P. Li, F. Gao, and K. Wang, "LF-VIO: A visual-inertial-odometry framework for large field-of-view cameras with negative plane," in Proc. IEEE/RSJ Int. Conf. Intell. Robots Syst. (IROS), 2022, pp. 4423–4430. [^21]: Z. Wang, K. Yang, H. Shi, P. Li, F. Gao, J. Bai, and K. Wang, "LF-VISLAM: A SLAM framework for large field-of-view cameras with negative imaging plane on mobile agents," IEEE Trans. Autom. Sci. Eng., vol. 21, no. 4, pp. 6321–6335, Oct. 2024. [^22]: R. A. Newcombe, S. J. Lovegrove, and A. J. Davison, “DTAM: Dense tracking and mapping in real-time,” in Proc. IEEE Int. Conf. Comput. Vis. (ICCV), Barcelona, Spain, Nov. 2011, pp. 2320–2327, doi:10.1109/ICCV.2011.6126513. [^23]: R. Wang, M. Schworer, and D. Cremers, “Stereo DSO: Large-scale direct sparse visual odometry with stereo cameras,” in Proc. IEEE Int. Conf. Comput. Vis. (ICCV), Venice, Italy, Oct. 2017, pp. 3903–3911, doi:10.1109/ICCV.2017.421. [^24]: S. Urban and S. Hinz, “MultiCol-SLAM: A modular real-time multi-camera SLAM system,” arXiv preprint, Oct. 2016. [Online]. Available: [^25]: T.-M. Nguyen, S. Yuan, M. Cao, Y. Lyu, T. H. Nguyen, and L. Xie, "MILIOM: Tightly coupled multi-input lidar-inertia odometry and mapping," IEEE Robot. Autom. Lett., vol. 6, no. 3, pp. 5573–5580, Jul. 2021, doi: 10.1109/LRA.2021.3080633. [^26]: R. Hartley and A. Zisserman, Multiple View Geometry in Computer Vision, 2nd ed. Cambridge, UK: Cambridge University Press, 2003. [^27]: C. Yuan, W. Xu, X. Liu, X. Hong, and F. Zhang, “Efficient and probabilistic adaptive voxel mapping for accurate online LiDAR odometry,” IEEE Robot. Autom. Lett., vol. 7, no. 3, pp. 8518–8525, Jul. 2022, doi: 10.1109/LRA.2022.3187250. [^28]: L. Zhang, M. Helmberger, L. F. T. Fu, D. Wisth, M. Camurri, D. Scaramuzza, and M. Fallon, “Hilti Oxford dataset: A millimetre accurate benchmark for simultaneous localization and mapping,” IEEE Robot. Autom. Lett., vol. 8, no. 1, pp. 408–415, Jan. 2023, doi: 10.1109/LRA.2022.3226077. [^29] L. Zhang、M. Camurri、D. Wisth和M. Fallon所著的《多摄像头激光雷达惯性系统在Newer College数据集上的扩展》，arXiv预印本，2021年12月。[在线]可获取：