{
  "paper_id": "432ca61730b84ce3444fc7dc18171630",
  "paper_title": "DV-LOAM: Direct Visual LiDAR Odometry and Mapping",
  "paper_authors": [
    "Wei Wang",
    "Jun Liu",
    "Chenjie Wang",
    "Bin Luo",
    "Cheng Zhang"
  ],
  "publication_date": "2021-08-23",
  "publication_venue": "Remote Sensing (MDPI), 2021, 13, 3340",
  "abstract": "Self-driving cars have experienced rapid development in the past few years, and Simultaneous Localization and Mapping (SLAM) is considered to be their basic capabilities. In this article, we propose a direct vision LiDAR fusion SLAM framework that consists of three modules. Firstly, a two-staged direct visual odometry module, which consists of a frame-to-frame tracking step, and an improved sliding window based thinning step, is proposed to estimate the accurate pose of the camera while maintaining efficiency. Secondly, every time a keyframe is generated, a dynamic object is considered to be the key frame to obtain higher positioning accuracy and better robustness. Finally, a Parallel Global and Local Search Loop Closure Detection (PGLS-LCD) module that combines visual Bag of Words (BoW) and LiDAR-Iris feature is applied for place recognition to correct the accumulated drift and maintain a globally consistent map. We conducted a large number of experiments on the public dataset and our mobile robot dataset to verify the effectiveness of each module in our framework. Experimental results show that the proposed algorithm achieves more accurate pose estimation than the state-of-the-art methods.",
  "keywords": [
    "Simultaneous Localization and Mapping",
    "direct visual-LiDAR odometry",
    "loop closure detection"
  ],
  "paper_institutions": [
    "State Key Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:37:17.027294Z",
  "template_tag": "simple",
  "summary": "### 摘要\n\n自动驾驶汽车在GNSS拒止环境（如城市峡谷、室内）中的定位问题依赖SLAM技术解决，而单一传感器方法各有缺陷：视觉方法在弱纹理场景难以提取特征，纯LiDAR方法在隧道、走廊等重复结构中因垂直方向测量稀疏易失效；现有融合方法如DVL-SLAM仅使用相机视场内的激光点导致精度受限，V-LOAM则因里程计漂移累积不适合大尺度环境。本文提出DV-LOAM框架，包含三个模块：（1）两阶段直接视觉里程计，采用帧间跟踪与改进的滑动窗口优化；（2）LiDAR建图模块，在关键帧生成时通过scan-to-map匹配精化位姿；（3）并行全局与局部搜索回环检测（PGLS-LCD）模块，融合视觉BoW与LiDAR-Iris特征进行位置识别。核心机制是深度增强的直接视觉跟踪：将投影激光点作为特征点，通过最小化光度残差目标函数 E_tracking = (1/2)ΣΣ w(r'(p_i))(r'(p_i))² 估计相邻帧运动，其中采用t分布权重函数增强鲁棒性。实验在KITTI（验证大尺度场景性能）、nuScenes（验证雨天、黑夜等恶劣环境鲁棒性）及自采校园数据集（验证真实环境精度）上开展，系统以C++/ROS在Intel i7-7700、32GB RAM消费级笔记本上实现。结果表明：KITTI训练集平均相对平移误差为0.80%（无回环）/0.78%（有回环），旋转误差0.38 deg/100m，优于LOAM（0.84%）、A-LOAM（1.49%）、DEMO（1.14%）、LIMO（0.93%）、DVL-SLAM（0.98%）等最先进方法；nuScenes平均平移误差3.03%，显著优于LeGO-LOAM（8.30%）和A-LOAM（4.57%）。消融实验证明滑动窗口优化使平移误差降低18.9%（1.16%→0.94%），LiDAR建图模块进一步降至0.80%，支持各模块创新的有效性；回环检测在KITTI序列02召回率3/3（ORB-SLAM2为2/3，LeGO-LOAM为1/3），在反向重访场景（序列08）中视觉方法完全失效而本方法保持100%精度。系统平均运行频率6Hz。未来工作计划引入几何多运动分割与深度学习运动分割以应对动态物体，并将深度不确定性作为权重加入优化。实际应用约束包括需相机与LiDAR时间同步（如硬件触发）及已知外参标定（采用CoMask方法），动态车辆经过时直接法跟踪会产生明显误差。\n\n### 关键要点\n\n- 提出DV-LOAM框架，首次将深度增强的直接视觉里程计模块与LiDAR建图模块结合，利用直接VO模块的效率和LiDAR scan-to-map匹配的精度，相比现有技术进一步提升性能。\n- 前端采用两阶段直接跟踪策略：帧间直接视觉里程计估计初始运动（比ICP里程计更高效），滑动窗口优化模块减少累积漂移；无需特征提取与匹配，可在低纹理环境工作。\n- 帧间跟踪相比帧到关键帧跟踪具有更大视场重叠、更一致的光度假设和更符合恒速运动模型，在高速场景（如KITTI序列01高速公路）中表现更稳健。\n- LiDAR建图模块在关键帧生成时执行scan-to-map优化，使用边缘、平面和地面三类几何特征，并采用两阶段配准策略（先少量迭代优化，去除大残差后完整优化）以消除动态物体影响。\n- PGLS-LCD模块并行融合BoW与LiDAR-Iris技术提取回环候选，弥补视觉方法在反向重访时的不足，同时缓解LiDAR方法在累积漂移超过搜索半径时无法找到正确回环的问题。\n- 回环验证采用时间一致性检查与几何一致性检查：TEASER全局配准提供对初始变换不变的初始猜测，V-GICP精化位姿修正，即使在大漂移情况下也能获得鲁棒准确的结果。\n- 在KITTI里程计训练集上，无回环平均相对平移误差0.80%、旋转误差0.0038 deg/m，优于LOAM（0.84%）、A-LOAM（1.49%）、DEMO（1.14%）、LIMO（0.93%）、DVL-SLAM（0.98%）等最先进方法。\n- nuScenes数据集（含雨天、黑夜场景）平均平移误差3.03%、旋转误差0.0399 deg/m，显著优于LeGO-LOAM（8.30%）和A-LOAM（4.57%），验证了恶劣环境下的鲁棒性。\n- 消融实验显示：滑动窗口优化使平移误差从1.16%降至0.94%（降低18.9%），LiDAR scan-to-map优化进一步降至0.80%；帧间视觉-LiDAR里程计（1.16%）显著优于LiDAR扫描匹配里程计A-LOAM FF（4.03%）。\n- 回环检测在KITTI序列02（含前向与反向回环）召回率3/3，优于stereo ORB-SLAM2（2/3）和LeGO-LOAM（1/3）；序列08（几乎全为反向回环）中视觉方法召回率为0而本方法保持3/3。\n- 系统在Intel i7-7700、32GB RAM笔记本上以C++/ROS实现，KITTI数据集平均频率6Hz；最耗时部分为scan-to-map优化（约75ms）和回环检测（约200ms），但分别仅在关键帧生成和低频回环时执行。\n- 实际应用需相机与LiDAR时间同步（如硬件触发）及已知相对变换，外参标定采用CoMask方法；动态车辆经过时直接法轨迹有明显误差，未来计划引入多运动分割和深度学习运动分割改进。",
  "available_templates": [
    "deep_read",
    "simple"
  ]
}