{
  "paper_id": "5bbe34b2d53ea11fd9d4cecbe9642708",
  "paper_title": "PO-VINS: An Efficient and Robust Pose-Only Visual-Inertial State Estimator With LiDAR Enhancement",
  "paper_authors": [
    "Hailiang Tang",
    "Tisheng Zhang",
    "Liqiang Wang",
    "Guan Wang",
    "Xiaoji Niu"
  ],
  "publication_date": "2025-11-13",
  "publication_venue": "IEEE Transactions on Instrumentation and Measurement",
  "abstract": "The pose adjustment with a pose-only visual representation has been proven equivalent to the bundle adjustment (BA) while significantly improving the computational efficiency. However, the pose-only solution has not yet been properly considered in a tightly coupled visual-inertial state estimator (VISE) with a normal configuration for real-time navigation. Meanwhile, the light detection and ranging (LiDAR) can provide accurate depth estimation for visual landmarks and thus can enhance the robustness of VISEs. Hence, we propose a tightly coupled LiDAR-enhanced VISE, named PO-VINS, which can be an efficient and robust odometry framework for autonomous applications. The pose-only solution is integrated for higher state-estimation efficiency, while the lightweight LiDAR enhancement is employed to improve robustness and accuracy. Specifically, based on the pose-only visual representation, we derive the analytical depth uncertainty, which is employed for rejecting LiDAR-depth outliers. Besides, we propose a multistate constraint (MSC)-based LiDAR-depth measurement (LDM) model within the pose-only framework, to balance efficiency and robustness. The pose-only visual and LDMs and the IMU-preintegration measurements are tightly integrated under the factor graph optimization (FGO) framework to perform efficient and accurate state estimation. Exhaustive experimental results on private and public datasets indicate that the proposed PO-VINS yields improved or comparable accuracy to state-of-the-art (SOTA) methods. Compared to the baseline method LE-VINS, the state-estimation efficiency of PO-VINS on the private dataset is improved by 33% and 56% on the laptop PC (Intel i7-13700H) and the onboard ARM computer (NVIDIA Xavier), respectively. Besides, PO-VINS yields higher accuracy and robustness than LE-VINS by employing the proposed uncertainty-based outlier culling method and MSC-based measurement model for LiDAR depth.",
  "keywords": [
    "Factor graph optimization (FGO)",
    "multisensor fusion navigation",
    "pose-only state estimation",
    "visual-inertial navigation"
  ],
  "paper_institutions": [
    "GNSS Research Center, Wuhan University",
    "Hubei Technology Innovation Center for Spatiotemporal Information and Positioning Navigation",
    "Hubei Luojia Laboratory"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:37:18.514525Z",
  "template_tag": "deep_read",
  "summary": "# PO-VINS: An Efficient and Robust Pose-Only Visual-Inertial State Estimator With LiDAR Enhancement\n\n\n**作者 / Authors:** Hailiang Tang, Tisheng Zhang, Liqiang Wang, Guan Wang, Xiaoji Niu\n\n\n**单位 / Institutions:** GNSS Research Center, Wuhan University, Hubei Technology Innovation Center for Spatiotemporal Information and Positioning Navigation, Hubei Luojia Laboratory\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n**发表日期 / Publication Date:** 2025-11-13\n\n\n\n**期刊/会议 / Publication Venue:** IEEE Transactions on Instrumentation and Measurement (TIM), DOI: 10.1109/TIM.2025.3632451\n\n\n## 模块 A：阅读对齐与输入校验 / Module A: Reading Alignment and Input Check\n\n# Module A：阅读对齐与输入验证\n\n## 1. 论文元数据\n\n- **标题**：PO-VINS: An Efficient and Robust Pose-Only Visual-Inertial State Estimator With LiDAR Enhancement\n- **作者**（姓名/单位/背景）：\n  - Hailiang Tang（武汉大学GNSS研究中心、湖北时空信息与定位导航技术创新中心、湖北珞珈实验室；视觉-惯性导航方向）\n  - Tisheng Zhang（通讯作者，单位同上）\n  - Liqiang Wang（武汉大学GNSS研究中心）\n  - Guan Wang（武汉大学GNSS研究中心）\n  - Xiaoji Niu（单位同Tang；i2Nav团队，INS-centric多传感器融合导航方向）\n- **发表信息**：IEEE Transactions on Instrumentation and Measurement (TIM)；收稿2025-07-18，录用2025-10-21，在线发表2025-11-13，正式版本2025-11-21；DOI: 10.1109/TIM.2025.3632451\n\n## 2. 研究定位\n\n- **研究领域**：多传感器融合导航 / 视觉-惯性导航（VINS）/ 状态估计与SLAM\n- **具体任务**：在紧耦合视觉-惯性状态估计器（VISE）中引入pose-only（仅位姿）视觉表示，并结合轻量级LiDAR深度增强，构建高效鲁棒的实时里程计PO-VINS\n- **目标用户/应用场景**：移动机器人、手持设备、自动驾驶车辆等GNSS拒止环境下的实时导航，尤其是计算资源受限的机载ARM平台（如NVIDIA Xavier）\n\n## 3. 输入材料清单\n\n- **PDF**：有（全文，含摘要、正文Section I–VII、图表与参考文献）\n- **附录/补充材料**：无\n- **代码链接**：PO-VINS本身未提供开源链接；其基线系统LE-VINS开源：<https://github.com/i2Nav-WHU/LE-VINS（Section> III与VI-A提及）\n- **数据集链接**：私有Robot数据集未公开；公开数据集R3LIVE与FusionPortableV2文中未给出直接下载链接\n\n## 4. 缺失材料与风险\n\n- **缺失项**：PO-VINS源码、私有Robot数据集、附录/补充材料\n- **可能影响**：私有数据集上的结果（Table II、V、VI、VII）难以直接复现；需基于LE-VINS代码自行实现pose-only VRM/LDM模块；公开数据集（R3LIVE、FusionPortableV2）结果可部分验证方法有效性\n\n## 5. 阅读路线\n\n- **Step 1**：读摘要与Section I引言，明确pose-only方案在实时紧耦合VISE中的研究空白与四项贡献（Section I末尾贡献列表）\n- **Step 2**：读Section II相关工作与Section III系统概览（Fig. 1），理解INS-centric处理框架与整体数据流\n- **Step 3**：精读Section IV：pose-only视觉表示（式(1)–(8)）、解析深度不确定度推导（式(9)–(13)，Fig. 3）与基于不确定度的LiDAR深度离群点剔除（式(14)–(15)，Fig. 4–5）\n- **Step 4**：精读Section V：FGO框架与状态向量（式(16)–(17)，Fig. 6）、pose-only VRM（式(18)–(22)）、直接LDM与MSC-based LDM（式(23)–(29)）、深度估计与视觉特征外点剔除\n- **Step 5**：读Section VI实验：精度对比（Table II–IV）、效率对比（Table V）、消融实验（Table VI）与机载ARM实时性（Table VII–VIII）\n- **Step 6**：读Section VII结论与讨论，梳理局限（视觉退化场景表现欠佳）与未来工作（自适应融合LO、集成GNSS实现无漂移定位）\n\n## 分类依据\n\n- 归类为 **method**：论文核心贡献是新的状态估计方法——pose-only视觉表示与解析深度不确定度推导、MSC-based LDM测量模型及基于不确定度的离群点剔除策略（Section I贡献列表1–3），并以系统实现与实验验证作为支撑；非综述，也非以硬件/平台设计为主的系统论文。\n\n\n## 模块 B：第一遍鸟瞰扫描（类别/上下文/正确性/贡献/清晰度） / Module B: First Pass Overview (category, context, correctness, contribution, clarity)\n\n# Module B：第一遍通读概览\n\n## 1. 论文类型与类别\n\n- **类型**：方法型论文（method）\n- **领域**：多传感器融合导航 / 视觉-惯性导航（VINS）/ 状态估计与SLAM\n- **子类**：基于因子图优化（FGO）的紧耦合 LiDAR 增强视觉-惯性状态估计器（VISE），面向实时里程计\n- **依据**：核心贡献为新的状态估计方法——pose-only 视觉表示、解析深度不确定度推导与 MSC-based LDM 测量模型（Section I 贡献列表1–3），并以系统实现与大量实验作为支撑（Section VI），非综述亦非以硬件平台设计为主的论文。\n\n## 2. 研究背景与上下文\n\n- **效率瓶颈**：优化式 VINS 常用 BA 同时估计位姿与视觉路标参数，路标参数维度高是主要计算负担（Section I）。\n- **pose-only 进展与空白**：两视图成像几何已被证明等价于一对 pose-only 约束（文献[^27][^28]），pose adjustment 在大规模视觉重建中效率提升2–4个数量级；PIPO-SLAM[^29] 在局部建图线程采用局部 pose adjustment，但均为视觉-only 优化，且100相机/1000路标并非实时导航典型配置——pose-only 尚未在典型配置的紧耦合实时 VISE 中被认真研究，其对精度与效率的影响未知（Section I）。\n- **鲁棒性动机**：LiDAR 可为视觉路标提供精确深度，LE-VINS[^33] 已证明 LDM 可提升 VINS 精度与鲁棒性；但遮挡（如树木、车辆边缘）与相机-LiDAR 外参误差会导致 LiDAR 深度外点，必须加以剔除（Section II-B）。\n- **本文定位**：在紧耦合 VISE 中全面引入 pose-only 方案（VRM 与 LDM 均为 pose-only），并利用解析深度不确定度剔除 LiDAR 深度外点，构建高效鲁棒的 PO-VINS。\n\n## 3. 直觉正确性检查（关键假设是否合理）\n\n- **假设1：pose-only 约束与多视图投影等价**（式(7)(8)，引[^27][^28]）——合理，有已有理论证明；实验上 PO-VINS-WO 与 LE-VINS-WO 平均精度相当（Table II/III/IV）支持该假设。\n- **假设2：滑窗内 INS 相对位姿误差可忽略，深度不确定度主要由特征噪声主导**（Section IV-B）——合理，INS 短期精度高且滑窗仅数秒；Fig. 3 显示 σ_d 随视差参数 θ 增大而减小、随深度增大而增大，符合两视图几何理论，间接验证推导正确。\n- **假设3：LiDAR 深度标准差固定为0.1 m**（Section IV-C）——为经验设定（由 LE-VINS 深度关联方法决定），近似合理但可能不适用于所有场景，属于可接受的工程简化。\n- **假设4：三倍 sigma 检验可有效剔除 LiDAR 深度外点**（式(14)(15)）——直观合理；Fig. 5 定性显示树叶等非结构化区域的外点关联减少，Table VI 消融显示平均 ATE 降低约21.7%。\n- **假设5：MSC 左零空间投影用于 FGO 仍能获得最优估计**（Section V-C2）——合理，与 MSCKF 一次性线性化不同，FGO 多次迭代可降低线性化误差；null-space 与 Schur complement 在一定条件下信息保持等价（引[^61]）。\n- **总体判断**：假设链条自洽，与已有理论和实验证据一致，无明显可疑之处。\n\n## 4. 核心贡献\n\n1) 在 FGO 框架下提出带 LiDAR 增强的紧耦合 pose-only VISE（PO-VINS），VRM 与 LDM 均为完整 pose-only 形式，兼顾效率与鲁棒性（Section I 贡献1；Section V）。\n2) 从 pose-only 视觉表示解析推导路标深度不确定度（式(9)–(13)，Fig. 3），据此提出基于不确定度的 LiDAR 深度外点剔除方法（式(14)–(15)），提升状态估计鲁棒性（Section IV-B/C）。\n3) 提出 MSC-based pose-only LDM，将单个路标的所有视觉观测与 LiDAR 深度压缩为单一测量，减少测量数量并降低外点影响（Section V-C2，式(25)–(29)）。\n4) 在私有 Robot 数据集与公开 R3LIVE、FusionPortableV2 数据集上开展全面实验（覆盖低速机器人、手持设备、高速车辆），并在机载 ARM（NVIDIA Xavier）上验证实时性：笔记本端状态估计耗时降低约33%，ARM 端后端耗时降低约56%（Table V、VII；Section VI）。\n\n## 5. 清晰度评估\n\n- **结构**：经典 IMRaD 结构（引言→相关工作→系统概览→方法→实验→结论），逻辑推进清晰。\n- **图表**：Fig. 1 系统框图、Fig. 2 多视图几何示意、Fig. 3 不确定度-视差关系、Fig. 4/5 外点示意与定性效果、Fig. 6 FGO 框架、Fig. 7 传感器设备、Fig. 8–12 轨迹与误差曲线；Table I–VIII 覆盖数据集描述、精度、效率、消融与实时性，信息完整。\n- **公式**：式(1)–(29) 推导连贯，符号在 NOMENCLATURE 中统一定义；式(10)(12) 的 Jacobian 较密集，需结合上下文细读。\n- **可读性**：摘要与引言清楚陈述动机与四项贡献；实验对比方法齐全（VINS-Mono、FAST-LIO2、LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2、LE-VINS 及其 WO 变体），结果表述坦诚（如小场景下 LO 系统更优、视觉退化场景表现欠佳）。\n- **小瑕疵**：正文个别段落排版错位（如 Section VI-C 标题插入位置突兀）、参考文献编号处有乱码痕迹，但不影响整体理解。\n\n## 6. 继续或停止建议\n\n- **建议：继续深入阅读**（进入 Module C/D/E 精读阶段）。\n- **理由**：论文首次将 pose-only 方案完整应用于紧耦合 LiDAR 增强 VISE，方法新颖且工程价值明确；实验充分、消融完整，对从事 VINS/多传感器融合研究或需在边缘设备部署实时里程计的读者有直接参考价值；其解析深度不确定度推导与 MSC-based LDM 尤其值得精读与复现。\n\n## 7. 结构大纲图\n\nmarkmap\n\n# PO-VINS 概览\n\n## I. 引言\n\n### BA 维度瓶颈\n\n### pose-only 等价性与研究空白\n\n### LiDAR 深度增强动机\n\n## II. 相关工作\n\n### VISE：滤波 vs 优化\n\n### LiDAR 增强 VISE：直接法 vs 特征法\n\n## III. 系统概览\n\n### INS-centric 框架（Fig.1）\n\n### 前端特征跟踪与深度关联\n\n## IV. Pose-Only 视觉表示\n\n### 多视图 pose-only 约束（式1–8）\n\n### 解析深度不确定度（式9–13，Fig.3）\n\n### 基于不确定度的外点剔除（式14–15，Fig.4–5）\n\n## V. Pose-Only VISE\n\n### 状态向量与 FGO（式16–17，Fig.6）\n\n### Pose-Only VRM（式18–22）\n\n### 直接 LDM 与 MSC-based LDM（式23–29）\n\n### 深度估计与视觉外点剔除\n\n## VI. 实验与结果\n\n### 数据集（Table I）\n\n### 精度评估（Table II–IV，Fig.8–11）\n\n### 效率评估（Table V）\n\n### 消融实验（Table VI）\n\n### ARM 实时性（Table VII–VIII，Fig.12）\n\n## VII. 结论与讨论\n\n### 局限：视觉退化场景\n\n### 未来：自适应 LO 与 GNSS 无漂移定位\n\n\n## 模块 C1：论文试图解决什么问题？ / Module C1: What problem does the paper try to solve?\n\n# Module C1：论文要解决什么问题？\n\n## 1. 一句话问题定义\n\n论文旨在解决：如何在典型配置的实时紧耦合视觉-惯性状态估计器（VISE）中引入pose-only（仅位姿）视觉表示以替代传统BA，并结合轻量级LiDAR深度增强，从而实现高效且鲁棒的实时状态估计（Section I；Abstract）。\n\n## 2. 痛点与现有不足\n\n- **视觉地标参数维度过高，计算负担重**：传统BA需同时估计位姿与视觉地标参数，地标的高维参数空间显著增加VINS状态估计的计算复杂度，在计算资源受限的边缘设备上尤为突出（Section I；Section II-A）。\n- **pose-only方案尚未在典型实时紧耦合VISE中得到验证**：已有pose-only研究（文献[^28]及PIPO-SLAM[^29]）面向视觉-only优化或大规模局部建图（100相机+1000地标），并非实时导航的典型配置；pose-only对实时紧耦合VINS精度与效率的影响仍未知（Section I；Section II-A末段）。\n- **LiDAR深度外点频发且缺乏系统性剔除手段**：无论采用何种深度关联方法，遮挡（树木、车辆等物体边缘）都会造成错误的LiDAR深度关联，现有方法（如LE-VINS）缺少基于不确定度的外点检测机制（Section II-B末段；Fig. 4）。\n- **pose-only框架下LDM模型缺失**：pose-only解法将地标状态从状态向量中移除，LE-VINS中约束地标逆深度状态的LDM不再适用，需要新的pose-only LDM模型以兼顾效率与鲁棒性（Section I末段）。\n\n## 3. 形式化目标/优化目标\n\n论文将状态估计建模为滑动窗口内的因子图优化（FGO）最大后验（MAP）问题（式(17)，Section V-A）：\n\narg min_X (1/2) { Σ ||e^V(z̃^V, X)||²_{Σ^V} + Σ ||e^D(z̃^D, X)||²_{Σ^D} + Σ ||e^Pre(z̃^Pre, X)||²_{Σ^Pre} + ||e^Prior||² }\n\n其中：\n\n- **e^V**：pose-only视觉重投影测量（VRM）残差（式(21)–(22)），地标深度由两个锚定关键帧位姿解析表达（式(19)），状态向量中不含地标状态；\n- **e^D**：pose-only MSC-based LDM残差（式(29)），借鉴MSCKF的多状态约束思想，通过左零空间投影（QR分解求A_i^T）消除逆深度状态，将单个地标的全部视觉观测与LiDAR深度压缩为单一测量；\n- **e^Pre**：IMU预积分残差（式(18)）；\n- **e^Prior**：边缘化先验残差。\n\n状态向量X仅包含IMU位姿、速度、陀螺/加计偏置、相机-IMU外参及时延参数（式(16)），完全不含视觉地标状态，实现VRM与LDM的全pose-only紧耦合形式。\n\n## 4. 成功判据（指标或期望性质）\n\n- **精度**：ATE（绝对平移误差）与RTE（25 m区间相对平移误差）达到或优于基线LE-VINS与SOTA方法（Table II–IV；Section VI-A.2）；Robot数据集上PO-VINS平均ATE为1.12 m，优于LE-VINS的1.30 m（Table II）。\n- **效率**：状态估计时间（FGO+边缘化）相对LE-VINS在笔记本PC（i7-13700H）上降低约33%、在机载ARM（NVIDIA Xavier）上降低约56%（Table V、Table VII；Abstract）。\n- **鲁棒性**：基于解析深度不确定度的三西格玛外点剔除（式(14)–(15)）与MSC-based LDM应降低LiDAR深度外点影响；消融实验显示采用不确定度外点剔除后平均ATE降低约21.7%（Table VI；Section VI-D.1）。\n- **实时性**：在资源受限的机载ARM平台上实时运行，等效FPS提升约36%–39%（Table VIII；Section VI-E），CPU占用约14%（250 MB内存）。\n\n\n## 模块 C2：有哪些相关研究？（最强基线/最相近思路/正交方向） / Module C2: What related research exists? (strongest baseline, closest approach, orthogonal directions)\n\n# Module C2：相关工作分析（What related work matters here?）\n\n## 1. 最强基线与比较轴\n\n### 1.1 LE-VINS（直接基线，[^33]；Section III、VI-A）\n\n- **方法**：基于滑动窗口FGO的固态LiDAR增强VINS，视觉路标以逆深度参数保留在状态向量中，构建LDM约束路标状态（式(25)-(26)）。\n- **核心思想**：利用LiDAR为视觉路标提供准确深度约束，提升VINS的精度与鲁棒性，且不引入LiDAR里程计（LO）。\n- **局限**：①路标状态占据状态向量高维空间，状态估计计算开销大（Table V：平均24.2 ms）；②LiDAR深度外点（遮挡导致，Fig. 4）仅靠固定规则（前景点云+平面检查，Section III）剔除不彻底，Exp-5上反而退化（Section VI-B.1）。\n- **比较轴**：PO-VINS直接构建于LE-VINS之上（Section III），在相同前端、相同Robot数据集7序列下比较：状态估计耗时（Table V：16.2 vs 24.2 ms，提升33.1%）、ATE精度（Table II：平均1.12 vs 1.30 m）、RTE短时一致性（Fig. 9）、ARM机载实时性（Table VII：后端耗时降低56.3%）。\n\n### 1.2 其他对比系统（Section VI-A）\n\n- **VINS-Mono [^17]**：SOTA优化式VINS，比较轴为纯视觉方案的鲁棒性与精度（Table II-IV，R3LIVE数据集上3序列失败）。\n- **LVI-SAM [^53]、R2LIVE [^63]、R3LIVE [^50]、FAST-LIVO2 [^52]**：SOTA紧耦合LVINS（均含LO），比较轴为精度-计算量权衡：它们在FusionPortableV2上因Ouster OS1-128稠密点云无法实时运行，而PO-VINS全序列实时（Section VI-A）；在结构化场景其点云地图匹配可消漂移占优（Exp-4、R3LIVE数据集，Section VI-B），凸显PO-VINS“轻量换精度”的定位。\n- **FAST-LIO2**：LiDAR-centric LO，作为精度上界参照（Table II）。\n\n## 2. 最接近的方法与关键差异\n\n### 2.1 Pose-only解：Cai et al. [^27][^28]\n\n- **方法**：证明两视成像几何等价于一对pose-only约束[^27]，扩展至多视几何[^28]；以pose adjustment替代BA，路标深度由锚点帧位姿与特征观测解析表达（本文式(5)-(8)即源于此）。\n- **核心思想**：将路标参数从状态向量中解耦移除，3D重建效率提升2-4个数量级（Section I）。\n- **局限**：仅针对视觉-only大规模重建，未考虑紧耦合VISE实时导航的典型配置（路标维度有限），pose-only对实时VINS精度/效率的影响未知（Section I明确指出该研究空白）。\n\n### 2.2 PIPO-SLAM [^29]\n\n- **方法**：基于ORB-SLAM3 [^20]的视觉-惯性SLAM，在局部建图线程用局部pose adjustment替代BA。\n- **核心思想**：pose-only降低局部优化的计算与内存开销（>100相机+1000路标时显著）。\n- **局限**：其局部pose adjustment是视觉-only优化（同[^28]），并非紧耦合视觉-惯性优化；且100相机+1000路标并非实时导航的典型配置（Section I）。\n- **关键差异**：PO-VINS首次将pose-only方案系统性引入典型配置的紧耦合实时VISE（pose-only VRM，式(18)-(22)），并进一步扩展到LiDAR深度测量——提出MSC-based pose-only LDM（式(23)-(29)），这是[^27][^28][^29]均未涉及的部分。\n\n### 2.3 LE-VINS（作为最近的系统实现）\n\n- **关键差异**：PO-VINS移除路标状态（状态向量式(16)不含路标），因此必须重新设计LDM：①借鉴MSCKF [^10][^11]的MSC左零空间投影思想，将路标全部视觉观测+LiDAR深度压缩为单一测量（Section V-C.2，式(27)-(29)）；②从pose-only表示解析推导深度不确定度（式(9)-(13)，Fig. 3），据三倍sigma准则剔除LiDAR深度外点（Section IV-C，式(14)-(15)），而LE-VINS仅有固定规则外点剔除。\n\n## 3. 正交方向\n\n- **直接法LiDAR-视觉融合**（[^49]、DVL-SLAM、R3LIVE [^50]、FAST-LIVO2 [^52]）：LiDAR深度直接赋予像素做光度BA，可用稀疏LiDAR但需处理遮挡、对相机-LiDAR外参误差更敏感（Section II-B）；与本文特征法路线正交。\n- **含LO的LiDAR-centric系统**（FAST-LIO2、LVI-SAM [^53]、R2LIVE [^63]）：构建点云地图可消除漂移（Section VI-B），但计算重；PO-VINS刻意不引入LO以保持轻量（Section I），二者应用定位不同。\n- **增量式BA**（ICE-BA [^23]、iSAM2 [^24]）：仅更新相关状态以提速，但主要面向全局建图而非里程计（Section II-A末尾）。\n- **特征参数化改进**（逆深度 [^34]、ParallaxBA [^47]、PMBA [^48]）：仍在BA框架内，未消除路标高维参数空间这一根本效率瓶颈（Section II-A）。\n- **滤波类MSCKF家族**（MSCKF [^10]、MSCKF 2.0 [^11]、R-VIO [^37]、OpenVINS [^13]）：一次性线性化引入较大误差（[^16]）；本文借用其MSC思想但置于FGO多次迭代框架（Section V-C.2），规避该缺陷并称可获得更优估计。\n- **回环/PGO与GNSS融合**：所有对比系统均未使用显式回环（Section VI-A）；GNSS集成列为未来工作（Section VII），属正交扩展方向。\n\n## 4. 一句话定位\n\nPO-VINS是首个在典型配置的紧耦合实时VISE中完整落地pose-only方案（VRM+LDM）的工作：通过解析深度不确定度剔除LiDAR深度外点、以MSC-based LDM压缩测量数量，在不损失精度的前提下将状态估计效率较基线LE-VINS提升约33%（笔记本PC）至56%（ARM机载），填补了pose-only解从视觉-only大规模重建[^27][^28][^29]到实时多传感器融合导航之间的空白（Section I贡献1-3；Table V、VII）。\n\n\n## 模块 C3：论文如何解决这个问题？（流程图文字版） / Module C3: How does the paper solve the problem? (include a text flowchart)\n\n# Module C3：论文如何解决问题（方法机制解析）\n\n## 1. 核心机制概述（浅层理解）\n\nPO-VINS 的核心机制可概括为“**pose-only（仅位姿）视觉表示 + 轻量级 LiDAR 深度增强**”的紧耦合状态估计器，在 FGO（因子图优化）框架下实现高效鲁棒的里程计（Section III–V，Fig. 1、Fig. 6）：\n\n- **机制一：pose-only 视觉表示**。利用两视图/多视图成像几何的等价性（引文[^27][^28]），将视觉路标（landmark）深度用两个锚定关键帧（anchored keyframes）的相机位姿与特征观测**解析表达**（式(5)、(8)），从而把路标状态从状态向量中彻底移除（式(16)），降低优化维度、提升效率（Section IV-A、V-A）。\n- **机制二：解析深度不确定度**。基于误差传播，从 pose-only 深度公式推导路标深度的解析不确定度（式(9)–(13)），并据此设计基于三西格玛检验的 LiDAR 深度离群点剔除方法（式(14)–(15)，Section IV-B/C）。\n- **机制三：MSC-based LDM**。借鉴 MSCKF 的多状态约束（multistate constraint）思想，将单个路标的**全部**视觉观测与 LiDAR 深度通过左零空间投影压缩为**单一**测量（式(25)–(29)，Section V-C），同时提升效率与鲁棒性。\n- **机制四：紧耦合 FGO 融合**。pose-only VRM、MSC-based LDM 与 IMU 预积分测量在滑动窗口优化器中紧耦合（式(17)，Fig. 6），采用 Ceres Solver 的 LM 算法求解，Huber 鲁棒核抑制外点（Section V-A）。\n\n## 2. 分步流程拆解（中层分析）\n\n- **Step 1 — INS 初始化与高频机械编排**（Section III）：重力对准粗估 roll/pitch，位置/速度/航向置零，静止条件下估计陀螺零偏；随后以高频执行 INS 机械编排，为视觉与 LiDAR 处理提供位姿先验。\n- **Step 2 — 视觉前端**（Section III）：分网格并行检测 Shi-Tomasi 特征，利用 INS 先验位姿辅助 Lucas–Kanade 光流跟踪（减少图像金字塔使用）；按关键帧间隔与相对运动选择关键帧，仅关键帧特征进入路标管理器。\n- **Step 3 — LiDAR 深度关联**（Section III）：累积点云经高频 INS 位姿去畸变投影至关键帧时刻，在相机系单位球上做特征-点云关联，并用平面拟合法（引文[^33]）估计路标 LiDAR 深度。\n- **Step 4 — 基于不确定度的 LiDAR 深度离群点剔除**（Section IV-B/C）：由式(5)计算视觉深度 d_v、由式(13)计算其不确定度 σ_d；与 LiDAR 深度 d_r（σ_dr 固定 0.1 m）做差 ε_d = d_v − d_r（式(14)），若 |ε_d| 超出 ±3σ_ε（σ_ε = sqrt(σ_dr² + σ_dv²)，式(15)）则判为离群点剔除；**被剔除路标的视觉特征对仍保留**用于构建视觉测量（Section IV-C）。\n- **Step 5 — 构建 pose-only 因子**（Section V）：\n  - 无 LiDAR 深度的路标 → **pose-only VRM**（式(18)–(22)）：残差仅依赖三个 IMU 位姿状态与相机-IMU 外参，不含路标状态；\n  - 有 LiDAR 深度的路标 → **MSC-based LDM**（式(25)–(29)）：对含逆深度 δτ_i 的残差左乘 J_τi 的左零空间基 A_i^T，得到与路标状态无关的残差 e_i^0，将全部观测压缩为单一测量；\n  - IMU 预积分因子（式(18)残差，Section V-A）与边缘化先验 e^Prior。\n- **Step 6 — 滑动窗口 FGO 求解**（Section V-A，式(17)）：最小化所有测量与先验的马氏范数之和；Ceres LM 迭代求解，VRM/LDM 采用 Huber 核。pose-only VRM 含两状态（F_j = F_η 时）或三状态形式（Fig. 6）。\n- **Step 7 — 深度更新与视觉外点剔除**（Section V-D/E）：无 LiDAR 深度路标直接用式(19)解析更新深度；有 LiDAR 深度路标执行 **depth-only 优化**（固定位姿与外参，仅优化逆深度，融合 VRM(25) 与 LDM(26)），使 LiDAR 深度信息反映到路标深度中；随后按重投影误差统计剔除：平均误差 > σ_p 则剔除整个路标，单帧误差 > 3σ_p 仅剔除该观测（Section V-E）。\n- **Step 8 — 状态反馈**（Section III）：优化后的 INS 状态（导航状态 + IMU 零偏）回传至 INS 机械编排模块，实现高频实时导航输出。\n\n## 3. 关键公式与模块角色（深层分析）\n\n- **式(5)/(6)**：pose-only 深度解析式 d_ζ^(ζ,η) = ‖[p^u_η]× p^c_η_c_ζ‖ / θ_ζ,η —— 用锚定帧位姿与特征观测显式表达深度，是整个 pose-only 框架的基石；θ_ζ,η 同时表征视差大小，用于搜索最大视差锚定帧 F_η（Section IV-A）。\n- **式(8)**：多视图 pose-only 约束集 C(ζ,η)，已被证明与投影方程(1)等价（引文[^28]），支撑“路标状态移除但信息不丢失”。\n- **式(9)–(13)**：特征噪声协方差 Σ_p^u（σ_p = 1.5 像素）经 Jacobian（式(10)–(12)）传播为深度不确定度 Σ_d；Fig. 3 用真实数据验证：视差参数 θ 越大不确定度越小、深度越大不确定度越大，符合两视图几何理论；且 σ_d 可达数分米，远大于 LiDAR 测距误差——这正是 LiDAR 增强能提升精度的原因（Section IV-B）。\n- **式(14)–(15)**：三西格玛 LiDAR 深度离群点检验；相比固定阈值，σ_d 随视差/深度自适应变化，更合理（Fig. 4–5 定性展示树边缘等非结构化区域的离群点被有效剔除）。\n- **式(16)**：状态向量仅含各时刻 IMU 位姿/速度/零偏/时延参数与相机-IMU 外参，**不含任何路标状态**，维度较 BA 方案约降 50%（Section VI-C 分析）。\n- **式(17)**：FGO 总目标函数 = Σ pose-only VRM + Σ MSC-based LDM + Σ IMU 预积分 + 先验的马氏范数和。\n- **式(21)–(22)**：pose-only VRM 残差；计算坐标 p̂^u_j 经缩放坐标 p̂^j 改写后，仅是三个 IMU 位姿与外参的函数，验证其 pose-only 性质。\n- **式(24)**：direct LDM（对比方案）——直接约束两锚定帧位姿上的深度；缺点：需与 VRM 并用导致测量数增加、约束仅作用于两个锚定帧使外点影响集中（Section V-C.1）。\n- **式(27)–(29)**：MSC-based LDM 推导——线性化后左乘左零空间基 A_i^T 消除 δτ_i；因单路标 J_τi 维度极小，用 QR 分解高效实现；零空间操作与 Schur 补在特定条件下保留相同信息量（引文[^61]）；且 FGO 多次迭代线性化优于 MSCKF 的一次性线性化，估计更优（Section V-C.2）。\n\n## 4. 方法流程图\n\nmermaid\nflowchart TD\n  A[\"传感器输入: 相机 / IMU / LiDAR\"] --> B[\"INS初始化: 重力对准 + 静止陀螺零偏估计\"]\n  B --> C[\"高频INS机械编排 (位姿先验)\"]\n  C --> D[\"视觉前端: Shi-Tomasi检测 + INS辅助LK光流 + 关键帧选择\"]\n  C --> E[\"LiDAR点云INS去畸变并投影至关键帧时刻\"]\n  D --> F[\"单位球特征-点云关联 + 平面拟合深度估计\"]\n  E --> F\n  F --> G[\"解析深度不确定度计算 (式(13))\"]\n  G --> H[\"三西格玛LiDAR深度离群点剔除 (式(14)-(15))\"]\n  D --> I{\"路标是否关联有效LiDAR深度?\"}\n  H --> I\n  I -- \"否\" --> J[\"pose-only VRM (式(18)-(22))\"]\n  I -- \"是\" --> K[\"MSC-based LDM: 左零空间投影压缩为单一测量 (式(25)-(29))\"]\n  L[\"IMU预积分因子 (式(18))\"] --> M\n  J --> M[\"滑动窗口FGO (式(17)): Ceres LM + Huber核\"]\n  K --> M\n  N[\"边缘化先验 e_Prior\"] --> M\n  M --> O[\"深度更新: 解析式(19) / depth-only优化 (Section V-D)\"]\n  O --> P[\"视觉特征外点检测与剔除 (Section V-E)\"]\n  M --> Q[\"INS状态反馈至机械编排, 高频实时导航输出\"]\n``n\n\n## 5. 机制设计动机与推理链\n\n- **为何 pose-only 能提效**：BA 中视觉路标参数（逆深度或 3D 位置）构成高维参数空间，是 VINS 计算瓶颈（Section I、II-A）；pose-only 将其解析消去后状态向量维度约降 50%，实测后端平均耗时由 24.2 ms 降至 16.2 ms（降 33.1%，Table V），且精度与常规 VINS 相当（PO-VINS-WO ≈ LE-VINS-WO，Table II–IV）。\n- **为何需要解析深度不确定度**：LiDAR 深度离群点多发生在树/车等物体边缘的遮挡场景（Fig. 4），固定阈值无法适应不同视差与深度条件；解析 σ_d 随 θ_ζ,η 增大而减小、随深度增大而增大（Fig. 3），使三西格玛检验具备自适应性；消融实验显示剔除该模块后平均 ATE 恶化约 21.7%（Table VI）。\n- **为何选 MSC-based LDM 而非 direct LDM**：direct LDM（式(24)）测量数多、外点影响集中于两锚定帧；MSC-based LDM 将全部观测压缩为单一测量，测量数显著减少（效率提升）且外点影响被全部观测稀释（鲁棒性提升）；消融显示 direct LDM 配置平均 ATE 1.52 m / 20.9 ms，而 MSC 方案为 1.12 m / 16.2 ms（Table VI）。\n- **为何 depth-only 优化有意义**：固定位姿仅优化逆深度（约 1.8 ms），使 LiDAR 深度离群点在深度层面暴露并被后续外点剔除模块检测，从而减少 LDM 数量、进一步提升效率且不损失精度（Section V-D、VI-D.3）。\n\n**总结**：PO-VINS 通过“解析表达路标深度（式(5)/(8)）→ 解析不确定度传播（式(13)）→ 自适应离群点剔除（式(14)–(15)）→ MSC 压缩测量（式(29)）→ 紧耦合 FGO（式(17)）”的完整链条，在保持精度的同时将状态估计效率提升 33%（笔记本）至 56%（机载 ARM，Table V、VII），实现了效率与鲁棒性的平衡（Section VI–VII）。\n\n\n## 模块 C4：实验数据集与实现设置（数据集/场景、为何选择、验证哪些关键特性） / Module C4: Datasets and implementation settings (what datasets/scenarios, why chosen, what they validate)\n\n# Module C4：数据集、基准与实现/评估设置\n\n## 1. 数据集与基准清单（浅层理解）\n\n### 1.1 数据集总览（Table I，Section VI-A.1）\n\n| 数据集 | 类型 | 载体 | 相机 | IMU | LiDAR | 规模 |\n|---|---|---|---|---|---|---|\n| Robot（私有） | 私有 | 低速轮式机器人（最高约1.5 m/s） | 1280×1024, 20 Hz | ADI ADIS16465, 200 Hz | Livox Mid-70（固态）, 10 Hz | 7条序列，9550 s，13.4 km |\n| R3LIVE（公开） | 公开 | 手持设备 | 1280×720, 15 Hz | BOSCH BMI088, 200 Hz | Livox AVIA, 10 Hz | 6条序列，4462 s，5.0 km |\n| FusionPortableV2（公开） | 公开 | 高速车辆 | 1024×768, 20 Hz | Sensonor STIM300, 200 Hz | Ouster OS1-128, 10 Hz | 5条序列，2527 s，20.8 km |\n\n每个数据集仅使用一个MEMS-IMU、一个相机和一个LiDAR进行定量评估（Section VI-A.1）。\n\n### 1.2 场景与挑战\n\n- **Robot数据集**（Section VI-A.1, Fig. 7）：校园环境采集，主要挑战为运动物体、光照变化与重复纹理；传感器通过GNSS接收机驱动的硬件触发器严格同步；真值由GNSS/INS后处理组合导航软件获得，位置精度0.02 m。固态LiDAR Mid-70的非重复不规则扫描模式有利于视觉特征与LiDAR深度的关联。\n- **R3LIVE数据集**（Section VI-A.1）：涵盖室内外环境，手持载体导致大幅角运动频繁，昏暗室内存在运动模糊；数据集本身不含真值，故采用端到端误差评估。\n- **FusionPortableV2数据集**（Section VI-A.1）：车辆高速行驶，含高速公路序列，是三者中动态条件最具挑战性的；真值为GNSS/INS组合导航结果。\n\n## 2. 预处理与划分/覆盖设置（中层分析）\n\n### 2.1 序列选择与划分\n\n- **Robot**：使用与LE-VINS相同的7条序列（Exp-1至Exp-7）以保证公平对比（Section VI-B.1）；另用2条大规模序列（Seq-1: 2012 s/2565 m；Seq-2: 1162 s/1462 m）在机载ARM计算机上评估实时性（Section VI-E, Fig. 12）。\n- **R3LIVE**：因无真值，仅采用6条具有端到端轨迹的序列（Section VI-A.1）。\n- **FusionPortableV2**：采用5条具有良好真值的车辆序列（campus00/01、downhill00、highway00/01，Table IV）。\n\n### 2.2 关键参数配置（Section VI-A.2、IV-B、IV-C）\n\n- 特征点数：Robot数据集提取150个特征（动态较低）；R3LIVE与FusionPortableV2提取200个（运动更大）。\n- 滑窗大小：10，对LE-VINS-WO、LE-VINS、PO-VINS-WO、PO-VINS统一设置以约束精度与效率。\n- 所有系统均不使用显式回环闭环。\n- 特征噪声 σp = 1.5 像素；LiDAR深度标准差 σ_dr = 0.1 m（由LE-VINS深度关联方法确定）。\n- 所有系统均在ROS框架下运行。\n\n### 2.3 传感器数据预处理（Section III）\n\n- 累积的LiDAR点云利用高频INS位姿投影至视觉关键帧时刻以去除畸变；特征对与LiDAR点在相机坐标系单位球内关联，采用平面拟合方法估计LiDAR深度。\n- INS初始化采用重力对准（粗略估计横滚与俯仰），初始位置、速度与航向置零，静止条件下估计陀螺零偏（Section III）。\n\n## 3. 实现/推理/评估环境（中层分析）\n\n### 3.1 实现基础\n\n- PO-VINS基于开源LE-VINS构建（<https://github.com/i2Nav-WHU/LE-VINS），LE-VINS作为基线系统（Section> VI-A.2）。\n- 优化库：Ceres Solver，采用Levenberg–Marquardt算法求解非线性优化；VRM与LDM均采用Huber鲁棒代价函数（Section V-A）。\n- 纯VINS配置记为LE-VINS-WO与PO-VINS-WO（无LiDAR增强），用于隔离pose-only方案与LiDAR增强的各自贡献。\n\n### 3.2 硬件环境\n\n- 笔记本PC：Intel i7-13700H，32 GB RAM（精度与效率实验，Section VI-A.2）。\n- 机载ARM计算机：NVIDIA Xavier（8核CPU，16 GB RAM），用于实时性验证（Section VI-E, Fig. 7）。\n\n### 3.3 对比方法与评估指标\n\n- 对比方法：VINS-Mono、FAST-LIO2、LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2（SOTA），以及消融配置LE-VINS-WO、PO-VINS-WO（Section VI-A.2）。\n- 精度指标：ATE（Robot与FusionPortableV2，使用EVO工具计算）；端到端3-D误差（R3LIVE）；25 m距离上的RTE（评估短时一致性与鲁棒性，Section VI-A.2、VI-B.1）。\n- 效率指标：状态估计时间（含FGO与边缘化，Table V）；前端/后端处理时间、总运行时间与等效FPS（ARM实验，Table VII–VIII）。\n\n## 4. 选择理由与验证目标（深层分析）\n\n### 4.1 载体多样性覆盖动态范围\n\n三个数据集分别对应低速机器人（约1.5 m/s）、手持（大幅角运动）与高速车辆（高速公路），覆盖从低速到高速、从结构化到非结构化的场景谱系（Section VI-A.1）。这验证了PO-VINS在不同动态条件下的普适性：pose-only方案在低速Robot数据集上不损失精度（PO-VINS-WO平均ATE 1.34 m vs. LE-VINS-WO 1.40 m，Table II），在高速FusionPortableV2上全部序列成功运行且平均ATE最优（5.88 m，Table IV），而多个SOTA方法在高速公路序列上失败。\n\n### 4.2 真值质量决定评估可信度\n\n- Robot数据集0.02 m位置精度的GNSS/INS后处理真值支持分米级ATE的可靠计算（Section VI-A.1）；\n- R3LIVE无真值，故采用端到端误差，这解释了LiDAR-centric方法（可匹配已建点云地图）在该数据集上端到端误差偏低的评估偏差（Section VI-B.2, Fig. 10(c)中R2LIVE高度异常即为例证）；\n- FusionPortableV2的GNSS/INS真值支撑长距离评估（最长highway00序列达9.33 km，Table IV）。\n\n### 4.3 公平对比与消融设计\n\n- 与基线LE-VINS共用相同序列、特征数、滑窗大小与无回环设置，隔离pose-only方案与LiDAR增强的独立贡献（Table II、V）；\n- 消融实验（Table VI）通过四种配置分别量化三项贡献：①不确定度离群剔除使平均ATE降低约21.7%（1.43 m→1.12 m），且耗时仅约0.2 ms；②MSC-based LDM相比direct LDM兼顾鲁棒性与效率（平均时间20.9 ms→16.2 ms，平均ATE 1.52 m→1.12 m）；③depth-only优化在不损失精度下提升效率（19.8 ms→16.2 ms，自身耗时约1.8 ms）。\n\n### 4.4 双平台验证部署可行性\n\n笔记本（i7-13700H）与机载ARM（Xavier）双平台实验（Table V vs. Table VII–VIII）验证效率提升在资源受限平台上更显著：后端状态估计时间在Xavier上降低56.3%（笔记本上为33.1%），PO-VINS在Xavier上CPU占用仅约14%（250 MB RAM），两个CPU核即可实时运行，证明pose-only方案对边缘设备的实际价值（Section VI-E）。\n\n### 4.5 局限与风险\n\n- 私有Robot数据集未公开，Table II、V、VI、VII的结果难以直接复现；\n- R3LIVE数据集上PO-VINS在视觉退化场景（昏暗公园hku-park0、大幅角运动hkust-campus00）表现欠佳（Section VI-B.2），作者在结论中承认此局限（Section VII）；\n- LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2因Ouster OS1-128稠密点云无法在FusionPortableV2上实时运行（Section VI-A.2），Table IV中部分对比结果为\"failed\"而非同条件精度对比，需谨慎解读；\n- 公开数据集R3LIVE与FusionPortableV2文中未给出直接下载链接，需自行获取。\n\n\n## 模块 C5：指标与结果（指标、结果、各指标对应的创新点） / Module C5: Metrics and results (metrics, results, which innovations each metric reflects)\n\n# Module C5：评价指标与实验结果\n\n## 1. 评价指标（定义与说明）\n\n- **ATE（Absolute Translation Error，绝对平移误差）**：估计轨迹与真值轨迹对齐后的整体平移误差，使用 EVO 工具计算（Section VI-A.2）。适用于有真值的 Robot 数据集（真值精度 0.02 m，GNSS/INS 后处理）与 FusionPortableV2 数据集（GNSS/INS 组合导航结果作为真值）。\n- **RTE（Relative Translation Error，相对平移误差）**：以 25 m 距离为区间的相对平移误差，用于反映短时一致性与鲁棒性；旋转/姿态误差也会体现在 RTE 中，故仅评估 RTE（Section VI-A.2，Fig. 9）。\n- **端到端误差（End-to-end error，3D）**：R3LIVE 数据集无真值，采用轨迹终点三维误差进行定量评估（Section VI-A.2，Table III）。\n- **状态估计时间（ms）**：后端耗时，包含因子图优化（FGO）与边缘化（Table V、Table VII 脚注）。\n- **前端/后端处理时间**：前端含图像预处理、特征检测与跟踪、深度关联；后端即状态估计时间（Table VII）。\n- **总运行时间与等效 FPS**：等效 FPS =（序列长度 / 运行时间）× 相机帧率（20 FPS）（Table VIII）。\n- **资源占用指标**：Xavier 上的 CPU 使用率、内存占用与系统延迟（Section VI-E）。\n\n## 2. 主要结果（具体数字）\n\n### 2.1 精度结果\n\n### （a）私有 Robot 数据集（Table II，7 条序列平均 ATE，单位 m）\n\n- PO-VINS：**1.12**（最优）；LE-VINS：1.30；PO-VINS-WO：1.34；LE-VINS-WO：1.40\n- SOTA 对比：FAST-LIVO2 2.26、R2LIVE 2.43、FAST-LIO2 3.22、VINS-Mono 3.45、R3LIVE 3.57、LVI-SAM 4.11\n- PO-VINS 相比 PO-VINS-WO 平均绝对平移精度提升 **16.4%**（Section VI-B.1）\n- Exp-5 上 LE-VINS 因 LiDAR 深度外点退化（2.45 m），PO-VINS 取得 0.80 m，验证不确定度外点剔除与 MSC-based LDM 的作用（Fig. 8）\n\n## （b）公开 R3LIVE 手持数据集（Table III，端到端误差平均，单位 m）\n\n- R2LIVE：**1.02**（最优，结构化环境+点云地图匹配）；FAST-LIO2：1.59；FAST-LIVO2：2.25；**PO-VINS：3.08**；LE-VINS：3.55；R3LIVE：4.27；LE-VINS-WO：4.94；PO-VINS-WO：5.00；LVI-SAM：9.87\n- VINS-Mono 在 3 条序列失败（运动模糊+时延参数建模为随机常数无法适应变化）；LE-VINS-WO/PO-VINS-WO 凭借 INS-centric 设计与随机游走时延模型全部成功（Section VI-B.2）\n- PO-VINS 在 main-building（0.33 m）、hkust-campus01（2.43 m）、hku-park1（0.83 m）上与紧耦合 LVINS 相当\n\n## （c）公开 FusionPortableV2 车载高速数据集（Table IV，平均 ATE，单位 m）\n\n- **PO-VINS：5.88（最优，全部序列成功运行）**；PO-VINS-WO：7.78；LE-VINS：9.56；LE-VINS-WO：12.32\n- FAST-LIO2、FAST-LIVO2、R3LIVE 在 highway00（9.33 km）失败；VINS-Mono 在 highway00 失败、highway01 达 141.98 m；LVI-SAM 与 R2LIVE 因传感器不兼容无法运行（Section VI-B.3）\n- highway00 上 PO-VINS 9.27 m，显著优于 LE-VINS 25.91 m\n\n## 2.2 效率结果\n\n## （a）笔记本平台（Intel i7-13700H，Table V，Robot 数据集平均状态估计时间）\n\n- LE-VINS-WO：23.1 ms；LE-VINS：24.2 ms；PO-VINS-WO：**15.3 ms（较 LE-VINS-WO 降低 33.8%）**；PO-VINS：**16.2 ms（较 LE-VINS 降低 33.1%）**\n- 原因分析：pose-only 使状态向量维度降低约 50%，MSC-based LDM 压缩测量数量，深度-only 优化暴露 LiDAR 深度外点进一步减少 LDM 数量（Section VI-C）\n\n## （b）机载 ARM 平台（NVIDIA Xavier，Table VII、VIII）\n\n- 后端平均时间：LE-VINS 106.5 ms → PO-VINS **46.5 ms（降低 56.3%）**；前端基本持平（26.5 → 25.0 ms）\n- ATE：LE-VINS 2.51 m → PO-VINS 1.85 m（精度同步提升）\n- 总运行时间：Seq-1（2012 s）1315 → 944 s（降低 28.2%）；Seq-2（1162 s）830 → 610 s（降低 26.5%）\n- 等效 FPS：Seq-1 提升 39.2%（30.6 → 42.6）；Seq-2 提升 36.1%（28.0 → 38.1）\n- 资源占用：PO-VINS 约 14% CPU（250 MB RAM），LE-VINS 约 18%（260 MB RAM）；PO-VINS 系统延迟约 72 ms，后端每 300 ms 优化一次，两核即可实时运行（Section VI-E）\n\n## 3. 与基线及代表性先前工作的对比\n\n- **与基线 LE-VINS 对比**：PO-VINS 在三个数据集上精度全面更优（Robot 1.12 vs 1.30；R3LIVE 3.08 vs 3.55；FusionPortableV2 5.88 vs 9.56），同时效率提升 33%（笔记本）/56%（Xavier）（Abstract；Table II/III/IV/V/VII）。\n- **与纯 VINS 对比**：VINS-Mono 在 R3LIVE 3 条序列失败、FusionPortableV2 高速序列表现最差；PO-VINS-WO 与 LE-VINS-WO 全部成功，体现 INS-centric 框架与随机游走时延模型的鲁棒性（Section VI-B.2）。\n- **与含 LO 的紧耦合 LVINS 对比**：\n  - Robot 数据集：LE-VINS/PO-VINS 平均 ATE 显著优于 FAST-LIO2、LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2，仅 Exp-4 小尺度场景中 LO 系统可借点云地图匹配消除漂移而占优（如 Exp-4 FAST-LIVO2 0.22 m）（Section VI-B.1，Table II）。\n  - R3LIVE 数据集：R2LIVE 最优（1.02 m），因结构化环境利于 LO；PO-VINS 在部分序列与紧耦合 LVINS 相当，验证轻量 LiDAR 增强的实用性（Section VI-B.2，Fig. 10）。\n  - FusionPortableV2：LO 系统在高速公路序列失败或严重漂移（如 downhill00 R3LIVE 157.89 m、highway01 FAST-LIVO2 162.17 m），PO-VINS 全部成功且平均最优（Table IV）。\n- **实时性对比**：LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2 因 Ouster OS1-128 稠密点云在 FusionPortableV2 上无法实时运行；PO-VINS 与 LE-VINS 凭借轻量 LiDAR 深度增强（无 LO）在所有数据集实时（Section VI-A.2）。\n\n## 4. 消融实验与敏感性分析（Table VI，Robot 数据集平均）\n\n- **不确定度外点剔除的影响**：去掉后平均 ATE 从 1.12 m 升至 1.43 m（PO-VINS 降低约 **21.7%**），Exp-1（1.50→2.27）与 Exp-6（1.86→2.89）退化最明显；外点剔除本身耗时仅约 **0.2 ms**（Section VI-D.1）。\n- **MSC-based LDM 的影响**：改用直接 LDM 后平均 ATE 1.52 m、时间 20.9 ms；PO-VINS 为 1.12 m、16.2 ms。直接 LDM 仅约束两个锚定关键帧位姿、测量数更多，MSC-based LDM 融合全部特征观测与 LiDAR 深度为单一测量，同时改善鲁棒性与效率（Section VI-D.2）。\n- **深度-only 优化的影响**：去掉后平均 ATE 1.13 m、时间 19.8 ms；深度-only 优化平均耗时约 **1.8 ms**，通过暴露 LiDAR 深度外点减少 LDM 数量，在不牺牲精度下提升效率（Section VI-D.3）。\n- **敏感性/定性观察**：Fig. 3 表明深度不确定度随视差参数 θ 增大而减小、随深度增大而增大，符合双视几何理论，验证式(13)解析不确定度推导正确；Fig. 5 定性显示外点剔除减少树叶等非结构化区域的外点关联；Fig. 9 显示 pose-only 与常规方案的 RTE 相当，说明 MSC-based LDM 保持相同的局部一致性。\n\n## 5. 结果综合解读（深层分析）\n\n- **推理链**：pose-only 表示将视觉路标状态移出状态向量（维度约降 50%）→ 后端加速 33.8%；MSC-based LDM 压缩测量数量 → 进一步提速并抑制 LiDAR 深度外点影响；解析深度不确定度（式(13)）支撑三西格玛外点剔除（式(14)–(15)）→ 鲁棒性提升（ATE 降低 21.7%）。\n- **核心主张验证**：PO-VINS-WO（1.34 m）与 LE-VINS-WO（1.40 m）精度相当，证明 pose-only 方案在紧耦合 VISE 常规配置下不损失精度；效率提升 33.8% 证明其效率优势在实时配置下依然显著（Section VI-B.1、VI-C、VII）。\n- **局限与边界条件**：PO-VINS 在视觉退化场景表现欠佳（R3LIVE 的 hku-park0 昏暗公园、hkust-campus00 大角运动，Table III）；作为视觉里程计无法消除累积漂移，小尺度场景（Exp-4）LO 系统借地图匹配更优（Section VI-B.1、VII）。\n- **总体结论**：实验结果（3 个数据集、18 条序列、不同载体：低速机器人/手持/高速车辆 + ARM 实时验证）系统性地支持论文主张——pose-only 紧耦合 VISE 可在精度相当的前提下显著提升效率，轻量 LiDAR 深度增强（不确定度外点剔除 + MSC-based LDM）同时改善精度与鲁棒性。\n\n\n## 模块 C6：有什么可以进一步探索的点？（理论/工程/数据/评测） / Module C6: What can be further explored? (theory/engineering/data/evaluation)\n\n# Module C6：后续可探索方向（What could be explored next?）\n\n## 1. 理论方向（Theory）\n\n- **pose-only紧耦合估计的信息保留性分析**：论文以实验证明pose-only VRM/LDM在紧耦合VISE中精度与BA基线相当（Table II：PO-VINS-WO平均ATE 1.34 m vs LE-VINS-WO 1.40 m），但未给出信息论层面的严格证明。可探索pose-only约束（式(8)）与完整BA在FGO框架下的Fisher信息等价性，以及边缘化先验中的信息损失量化。\n- **深度不确定度模型的推广**：Section IV-B的解析深度不确定度（式(9)–(13)）仅传播特征噪声（σ_p=1.5像素），并假设滑窗内INS相对位姿误差可忽略。可扩展误差传播模型以纳入camera-IMU外参误差、时间延迟t_d（式(16)中建模为随机游走）以及长窗口INS漂移的影响。\n- **MSC-based LDM与Schur complement的理论对比**：Section V-C.2指出Schur complement可作为推导MSC-based LDM（式(29)）的替代方法但未展开讨论。可深入研究左零空间投影与Schur complement在信息保留、线性化误差与一致性上的等价条件（参考文献[^61]），并从理论上解释多次迭代优化下MSC更新优于传统MSCKF一次性线性化的机理（Section V-C.2末段）。\n- **锚定帧选择准则的理论化**：当前锚定帧F_η按最大视差参数θ_{ς,η}启发式搜索（Section IV-A）。可推导视差—深度不确定度（Fig. 3）—测量信息矩阵之间的解析关系，建立最优锚定帧选择理论。\n\n## 2. 工程方向（Engineering）\n\n- **自适应融合LiDAR里程计（LO）**：论文明确列出未来工作为自适应引入LO构建紧耦合LVINS（Section VII），以应对视觉退化场景（R3LIVE-Handheld上PO-VINS表现欠佳，Table III：hkust-campus00端到端误差10.72 m），同时保持无LO时的效率优势（Table V：平均16.2 ms vs LE-VINS 24.2 ms）。\n- **集成GNSS实现无漂移定位**：Section VII提出集成GNSS构建多传感器融合系统。可在同一INS-centric FGO框架（Fig. 1、Fig. 6）中扩展GNSS伪距/多普勒测量因子，复用pose-only高效后端。\n- **开源PO-VINS源码**：PO-VINS本身未开源（仅基线LE-VINS开源，Section III与VI-A），开源将提升可复现性并建立社区对比基准。\n- **多相机与鱼眼扩展**：pose-only多视图表示（式(8)）天然适配多相机几何；可扩展至双目/环视配置，提升大角度运动与弱纹理场景的鲁棒性。\n- **视觉退化前端增强**：针对暗光与运动模糊导致的特征跟踪中断（Section VI-B.2），可引入光照鲁棒特征、INS先验引导的自适应特征分布（作者团队前期工作[^14]）或事件相机等新型传感器。\n\n## 3. 数据与评测方向（Data/Evaluation）\n\n- **公开私有Robot数据集**：Robot数据集（7序列、9550 s、13.4 km，Table I）未公开，导致Table II、V、VI、VII结果难以直接复现；公开后可建立pose-only VINS的标准评测基准。\n- **回环与全局一致性评测**：当前所有对比系统均未启用显式回环（Section VI-A.2），未来可评测pose-only框架与PGO回环结合后的全局漂移抑制能力。\n- **更极端场景与载体**：补充夜间、雨雾、隧道、长走廊等视觉退化场景及无人机等载体；FusionPortableV2高速序列已显示pose-only优势（Table IV：highway00上PO-VINS 9.27 m vs LE-VINS 25.91 m），可进一步验证极限动态条件下的性能边界。\n- **超参数敏感性系统评测**：特征数（150/200）、滑窗大小（10）、σ_p=1.5像素、σ_{d_r}=0.1 m（Section VI-A.2、IV-C）等参数对精度—效率权衡的影响尚未系统扫描。\n- **与最新pose-only方法直接对比**：与PIPO-SLAM[^29]及其后续工作在相同实时紧耦合配置（而非Section I指出的100相机/1000地标大规模配置）下对比，验证pose-only方案在常规实时VISE配置中的普适性。\n- **长期嵌入式部署指标**：Table VIII仅给出两条序列的FPS与内存（约250 MB），可补充长时间运行的内存稳定性、CPU峰值与延迟分布（当前系统延迟约72 ms，Section VI-E）。\n\n## 推理链小结\n\n- 理论方向源自论文明确承认的假设与未展开项：忽略滑窗内相对位姿误差（Section IV-B）、Schur complement替代方案未讨论（Section V-C.2）、锚定帧启发式选择（Section IV-A）。\n- 工程方向直接对应论文自述的未来工作（Section VII）与实验暴露的短板（Table III视觉退化场景、源码未开源）。\n- 数据/评测方向对应输入材料缺失（私有数据集未公开、无回环评测）与实验设计边界（固定超参数、有限的嵌入式部署指标）。\n\n\n## 模块 C7：现实场景如何体现/实现？（部署约束、算力、延迟、鲁棒性） / Module C7: How would this work in real-world scenarios? (deployment constraints, compute, latency, robustness)\n\n# Module C7：真实世界部署分析（实际应用表现）\n\n## 1. 浅层理解：部署形态与运行环境\n\n- **部署定位**：GNSS拒止环境下的实时视觉-惯性里程计（odometry），目标载体覆盖低速轮式机器人、手持设备与高速车辆（Section I、Section VI-A、Table I）。\n- **目标硬件**：笔记本PC（Intel i7-13700H、32 GB RAM）与机载ARM计算机（NVIDIA Xavier，8核CPU、16 GB RAM）（Section VI-A、VI-E、Fig. 7）。\n- **传感器需求**：MEMS-IMU（200 Hz）+ 相机（15–20 Hz）+ 3D LiDAR（10 Hz，如Livox Mid-70/AVIA、Ouster OS1-128）（Table I）。\n- **同步与标定**：Robot数据集通过GNSS接收机硬件触发实现传感器同步（Section VI-A、Fig. 7）；软件层将相机-IMU时延 $t_d$ 建模为随机游走，以容忍同步不完美的数据集（Section V-A，式(16)）。\n- **初始化约束**：采用重力对准初始化（粗略估计roll/pitch），初始位置/速度/航向置零，隐含要求初始时刻近似静止；运动中视觉对准初始化明确不在本文范围内（Section III）。\n\n## 2. 中层分析：计算、时延与资源占用\n\n### 2.1 计算效率（核心部署卖点）\n\n- 笔记本上状态估计时间（FGO+边缘化）：PO-VINS平均16.2 ms vs 基线LE-VINS 24.2 ms（降低33.1%）；PO-VINS-WO 15.3 ms vs LE-VINS-WO 23.1 ms（降低33.8%）（Table V）。\n- Xavier上后端时间平均46.5 ms vs LE-VINS 106.5 ms（降低56.3%），前端几乎持平（25.0 vs 26.5 ms）（Table VII）；总运行时间降低28.2%/26.5%，等效FPS提升39.2%/36.1%（Table VIII）。\n- 附加模块开销很小：不确定度外点剔除约0.2 ms，深度-only优化约1.8 ms（Section VI-D）。\n- 效率来源：pose-only表示将路标状态移出状态向量（式(16)），MSC-based LDM把单个路标的所有视觉与LiDAR观测压缩为单一测量（Section V-C.2）。\n\n### 2.2 时延结构\n\n- 系统总时延约72 ms，略大于相机帧间隔50 ms；后端优化每约300 ms（关键帧间隔约0.3 s）执行一次；低时延IMU持续提供高频INS先验位姿，无需等待视觉处理（Section VI-E）。\n\n### 2.3 资源占用与横向对比\n\n- Xavier上PO-VINS平均CPU占用约14%（250 MB RAM），LE-VINS约18%（260 MB RAM）；两个CPU核（25%负载）即可保证实时运行（Section VI-E）。\n- 关键对比：LO类SOTA系统（LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2）因Ouster OS1-128稠密点云在FusionPortableV2上无法实时运行，而PO-VINS/LE-VINS在全部数据集上实时（Section VI-A）——轻量LiDAR深度增强（不引入LO）是部署可行性的关键差异。\n\n## 3. 深层分析：鲁棒性/安全性与可维护性\n\n### 3.1 鲁棒性与安全性\n\n- **LiDAR深度外点**：非结构化环境（树木边缘、前后景遮挡）频发（Fig. 4、Fig. 5）；基于解析深度不确定度（式(13)）的3σ外点剔除使平均ATE降低约21.7%，且几乎不增加耗时（Table VI、Section VI-D）。\n- **MSC-based LDM容错**：将全部视觉观测与LiDAR深度合并为单一测量，稀释单个外点影响（Section V-C.2）；Huber鲁棒核进一步抑制视觉与深度外点（Section V-A）。\n- **视觉退化是主要风险**：R3LIVE-Handheld（昏暗室内、运动模糊、大角度运动）上表现欠佳（Table III）；hku-park0昏暗公园中外点剔除后有效特征过少，LiDAR增强反而退化（Section VI-B.2、Section VII）。\n- **漂移无法自消除**：作为纯里程计（无回环、无地图匹配，Section VI-A），小尺度环境中不如可匹配已建点云地图的LO系统（Exp-4，Section VI-B.1）；高速公路长直道漂移仍达9.27 m（Table IV）。\n- **安全边界**：误差随时间/距离累积，长航时任务需绝对定位源修正；作者计划集成GNSS实现无漂移定位（Section VII）。\n\n### 3.2 可维护性\n\n- **代码基础**：基于开源LE-VINS（<https://github.com/i2Nav-WHU/LE-VINS）+> Ceres Solver + ROS构建（Section III、V-A、VI-A）；但PO-VINS本身未开源，私有Robot数据集未公开，Table II/V/VI/VII结果难以直接复现。\n- **关键参数**：特征噪声σ_p=1.5 px（Section IV-B）、LiDAR深度标准差σ_dr=0.1 m（固定值，由深度关联方法决定，Section IV-C）、滑窗大小10、特征数150/200（Section VI-A）。\n- **工程策略**：锚定帧F_ζ取首观测帧或LiDAR关联帧以便滑窗边缘化，F_η按最大视差参数θ搜索（Section IV-A）；深度-only优化暴露LiDAR深度外点以减少后续测量数（Section V-D）。\n- **演进路线**：自适应融合LO、集成GNSS构建多传感器无漂移系统（Section VII）。\n\n## 4. 部署建议\n\n- **适合**：计算受限ARM平台、GNSS拒止环境、结构化/半结构化场景、中低速至高速车载应用。\n- **慎用**：昏暗、运动模糊等视觉退化场景；无绝对定位修正的长航时/长距离任务。\n- **集成要求**：相机-IMU-LiDAR外参标定；优先硬件时间同步，否则依赖随机游走时延模型；初始时刻近似静止（或自行引入运动中初始化方法）。\n\n\n## 模块 C8：总结主要内容（一段摘要 + 5 条要点 + 1 个核心公式/机制） / Module C8: Summarize the main content (one paragraph + 5 bullets + one core formula/mechanism).\n\n# Module C8：精炼总结\n\n## 1. 总结段落\n\nPO-VINS是一个在因子图优化（FGO）框架下构建的紧耦合LiDAR增强视觉-惯性状态估计器，其核心贡献是将pose-only（仅位姿）视觉表示完整引入典型配置的实时紧耦合VINS（Section I、III）。该方法基于多视图几何，将视觉路标深度用两个锚定关键帧的位姿与特征观测显式解析表达（式(5)、(8)），从而将路标状态从状态向量中彻底移除，显著降低状态维度（式(16)）。基于pose-only深度表达，论文经误差传播推导出路标深度的解析不确定度（式(9)–(13)），并据此提出基于不确定度的三西格玛LiDAR深度离群点剔除方法（式(14)–(15)，Fig. 4–5）。针对LiDAR深度增强，论文受MSCKF多状态约束启发提出MSC-based LDM模型，将单个路标的全部视觉观测与LiDAR深度压缩为单一测量（Section V-C.2，式(27)–(29)），同时提升效率与鲁棒性。实验覆盖私有Robot数据集与公开R3LIVE、FusionPortableV2数据集，涉及低速机器人、手持设备与高速车辆三类载体（Table I）。结果表明PO-VINS精度与SOTA方法相当或更优（Table II–IV），状态估计效率较基线LE-VINS在PC上提升33.1%、在ARM Xavier上后端耗时降低56.3%（Table V、VII）。消融实验进一步验证了不确定度离群点剔除、MSC-based LDM与depth-only优化三个组件各自的有效性（Table VI）。\n\n## 2. 五个关键要点\n\n1. **Pose-only方案适用于实时紧耦合VINS**：在典型实时配置（滑窗大小10、150–200个特征点）下，pose-only VRM使平均状态估计时间降低33.8%，且精度与常规BA式方法相当（Table V，Section VI-C），填补了此前pose-only仅用于大规模视觉重建或非典型配置（如100相机/1000路标）的研究空白（Section I、II-A）。\n2. **解析深度不确定度是LiDAR增强的理论基础**：由pose-only深度表达经误差传播得到 $\\sigma_d$（式(13)）；Fig. 3显示视差参数 $\\theta_{\\varsigma,\\eta}$ 越大不确定度越小、深度越大不确定度越大；由于 $\\sigma_d$ 可达分米级、远大于LiDAR测距误差，轻量LiDAR深度增强因此能显著提升精度（Section IV-B）。\n3. **MSC-based LDM兼顾效率与鲁棒性**：通过左零空间投影（QR分解实现）消除逆深度状态，将一个路标的所有观测压缩为单一测量（式(29)）；相比direct LDM，测量数更少且对深度离群点更鲁棒，消融中平均ATE从1.52 m降至1.12 m、耗时从20.9 ms降至16.2 ms（Table VI，Section VI-D）。\n4. **轻量LiDAR深度增强（无LO）即可媲美含LO的LVINS**：PO-VINS在Robot数据集平均ATE为1.12 m，优于VINS-Mono、LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2等含激光里程计的系统（Table II）；在高速车辆FusionPortableV2上PO-VINS在全部序列成功运行且平均ATE最优（5.88 m，Table IV）。\n5. **资源受限平台收益显著**：在NVIDIA Xavier上PO-VINS后端平均耗时46.5 ms（LE-VINS为106.5 ms，降低56.3%），CPU占用约14%，等效FPS提升36%–39%（Table VII–VIII），证明pose-only方案对机载ARM实时导航的实用价值（Section VI-E）。\n\n## 3. 核心公式/机制\n\n**Pose-only深度解析表达（式(5)，全文核心机制）**：\n\n$$d_{\\varsigma}^{(\\varsigma,\\eta)}=\\frac{\\left\\|\\left[\\boldsymbol{p}^{\\mathrm{u}_{\\eta}}\\right]_{\\times}\\boldsymbol{p}_{\\mathrm{c}_{\\eta}\\mathrm{c}_{\\varsigma}}^{\\mathrm{c}_{\\eta}}\\right\\|}{\\left\\|\\left[\\boldsymbol{p}^{\\mathrm{u}_{\\eta}}\\right]_{\\times}\\mathbf{R}_{\\mathrm{c}_{\\varsigma}}^{\\mathrm{c}_{\\eta}}\\boldsymbol{p}^{\\mathrm{u}_{\\varsigma}}\\right\\|}=\\frac{\\beta}{\\theta_{\\varsigma,\\eta}}$$\n\n其中 $[\\cdot]_{\\times}$ 为反对称矩阵算子，$\\{\\boldsymbol{p}_{\\mathrm{c}_{\\eta}\\mathrm{c}_{\\varsigma}}^{\\mathrm{c}_{\\eta}}, \\mathbf{R}_{\\mathrm{c}_{\\varsigma}}^{\\mathrm{c}_{\\eta}}\\}$ 为由IMU位姿与相机-IMU外参计算的锚定帧间相对位姿（式(3)、(20)），$\\theta_{\\varsigma,\\eta}$ 为视差参数。该式表明路标在锚定帧 $F_{\\varsigma}$ 中的深度可完全由相机位姿与归一化特征观测解析计算，无需将路标状态纳入优化变量——这是pose-only VRM（式(21)–(22)）、pose-only LDM（式(24)、(29)）与深度不确定度推导（式(10)–(13)）的共同基础。配套的离群点剔除机制为三西格玛检验（式(14)–(15)）：若 $|\\varepsilon_d|=|d_v-d_r|>3\\sigma_{\\varepsilon_d}$，其中 $\\sigma_{\\varepsilon_d}=\\sqrt{\\sigma_{d_r}^{2}+\\sigma_{d_v}^{2}}$，则该LiDAR深度被判为离群点并剔除，而对应的视觉特征对予以保留（Section IV-C）。\n\n\n## 模块 D：第二遍内容理解（方法结构/关键图表/实验） / Module D: Second Pass (method structure, key figures, experiments)\n\n# Module D：第二遍精读理解（Second-Pass Understanding）\n\n## 1. 论文结构树\n\n``nPO-VINS（IEEE TIM 2025）\n├── I. Introduction\n│   ├── 动机：BA中路标高维参数空间拖慢实时VISE；pose-only尚未在典型配置的紧耦合VISE中验证（Section I）\n│   └── 四项贡献：完整pose-only VISE / 解析深度不确定度+离群剔除 / MSC-based LDM / 多载体实验+ARM实时验证\n├── II. Related Works\n│   ├── A. VISE：滤波（MSCKF系）vs 优化（滑窗FGO+边缘化）；路标参数化是效率瓶颈（Section II-A）\n│   └── B. LiDAR-enhanced VISE：直接法 vs 特征法；深度外点是关键风险（Section II-B）\n├── III. System Overview（Fig. 1）\n│   └── INS-centric框架：初始化→机械编排→视觉前端→LiDAR深度关联→滑窗FGO→状态反馈\n├── IV. Pose-Only Visual Representation\n│   ├── A. 多视图几何的pose-only约束（式(1)-(8)，Fig. 2）\n│   ├── B. 解析深度不确定度（式(9)-(13)，Fig. 3）\n│   └── C. 基于不确定度的LiDAR深度离群剔除（式(14)-(15)，Fig. 4-5）\n├── V. Pose-Only VISE with LiDAR Enhancement\n│   ├── A. 紧耦合状态估计器：状态向量（式(16)）、FGO目标（式(17)）、IMU预积分（式(18)）（Fig. 6）\n│   ├── B. Pose-only VRM（式(19)-(22)）\n│   ├── C. Pose-only LDM：direct LDM（式(24)）vs MSC-based LDM（式(25)-(29)）\n│   ├── D. 路标深度估计（解析更新 + depth-only优化）\n│   └── E. 视觉特征外点检测与剔除\n├── VI. Experiments and Results\n│   ├── A. 数据集与评估设置（Table I，Fig. 7）\n│   ├── B. 精度评估（Table II-IV，Fig. 8-11）\n│   ├── C. 效率评估（Table V）\n│   ├── D. 消融实验（Table VI）\n│   └── E. ARM实时性（Table VII-VIII，Fig. 12）\n└── VII. Conclusion and Discussion（局限：视觉退化场景；未来：自适应LO、GNSS融合）\n``n\n\n## 2. 方法/系统分解\n\n### 2.1 输入与输出\n\n- **输入**：相机图像（Robot 20 Hz / R3LIVE 15 Hz / FusionPortableV2 20 Hz，Table I）、MEMS-IMU（200 Hz）、3D LiDAR点云（10 Hz）。\n- **输出**：高频INS导航解（位置、速度、姿态）+ IMU偏置（b_g, b_a）+ 相机-IMU外参与时延t_d（状态向量定义见式(16)）。\n\n### 2.2 模块分解\n\n1. **INS初始化与机械编排**（Section III）：静止重力对准获得roll/pitch，位置/速度/航向置零，静止段估计陀螺偏置；200 Hz机械编排为相机与LiDAR处理提供先验位姿。\n2. **视觉前端**（Section III）：Shi-Tomasi网格并行特征检测；INS先验辅助LK光流跟踪（减少图像金字塔使用）；按帧间隔与相对运动选择关键帧，仅关键帧特征进入路标管理器。\n3. **LiDAR深度关联**（Section III）：点云经高频INS位姿去畸变并投影至关键帧时刻；在相机系单位球上做特征-点云关联，平面拟合估计路标深度（沿用LE-VINS [^33]）。\n4. **深度不确定度与离群剔除**（Section IV-B/C）：由pose-only深度表达式(5)经误差传播得解析方差Σ_d（式(13)）；与LiDAR深度（σ_dr=0.1 m）做三西格玛检验（式(14)-(15)），剔除深度外点但保留对应视觉观测用于构建VRM。\n5. **后端滑窗FGO**（Section V-A，Fig. 6）：\n   - 状态向量X仅含IMU位姿/速度/偏置/时延与外参（式(16)），**不含任何路标状态**；\n   - 目标函数（式(17)）：pose-only VRM残差e^V + MSC-based LDM残差e^D + IMU预积分残差e^Pre + 边缘化先验e^Prior的马氏范数之和；\n   - 求解器：Ceres + LM算法，VRM与LDM采用Huber鲁棒核。\n6. **Pose-only VRM**（Section V-B）：路标深度d_ζ^(ζ,η)由两个锚点帧位姿与特征观测解析表达（式(19)），残差（式(21)-(22)）只依赖IMU位姿与外参；锚点帧F_ζ取首观测帧或LiDAR关联帧（便于边缘化），F_η按视差参数θ最大原则搜索。\n7. **Pose-only LDM**（Section V-C）：\n   - **direct LDM**（式(24)）：直接约束解析深度，仅作用于两个锚点帧位姿；测量数多、外点影响集中，效率与可靠性较低；\n   - **MSC-based LDM**（式(25)-(29)）：借鉴MSCKF左零空间投影（QR分解求A_i^T），将一个路标的全部视觉观测与LiDAR深度压缩为单一测量；测量数减少且外点影响被分散；因FGO多次迭代线性化，优于MSCKF的一次线性化（Section V-C.2）。\n8. **深度估计**（Section V-D）：无LiDAR深度路标用式(19)解析更新；有LiDAR深度路标固定位姿、仅优化逆深度（depth-only优化，平均约1.8 ms），使LiDAR深度信息反映到路标深度并暴露外点。\n9. **特征外点剔除**（Section V-E）：平均重投影误差>σ_p（1.5像素）则剔除整个路标及其观测与深度；单观测误差>3σ_p仅剔除该观测；保留路标用于INS辅助跟踪。\n\n### 2.3 推理流程（无训练过程，纯在线估计）\n\n传感器同步 → INS机械编排（高频） → 前端跟踪/深度关联 →（新关键帧触发，约0.3 s间隔）FGO+边缘化 → 深度更新与外点剔除 → 状态反馈至机械编排 → 高频实时导航输出。\n\n## 3. 重要图表解读\n\n### 3.1 Fig. 3：深度不确定度与视差关系（Section IV-B）\n\n- **内容**：基于真实数据绘制深度标准差σ_d随视差参数θ_ζ,η与深度的变化。\n- **解读**：θ越大（两锚点帧视差越大），σ_d越小；深度越大，σ_d越大——与两视图几何理论一致（[^2]），验证式(13)误差传播推导的正确性。\n- **关键推论**：σ_d可达数分米，远大于LiDAR测距误差，这正是LiDAR深度增强能提升精度的理论依据；同时σ_d为三西格玛离群检验（式(15)）提供自适应阈值基础。\n\n### 3.2 Fig. 6：FGO因子图框架（Section V-A）\n\n- **内容**：展示滑窗内因子结构——pose-only VRM（两状态或三状态）、MSC-based LDM（压缩单路标全部观测+LiDAR深度为单一测量）、IMU预积分因子与边缘化先验。\n- **解读**：两状态VRM用于所有路标（F_j=F_η时退化为两视图约束），三状态VRM用于观测数>3的路标；带LiDAR深度的路标用MSC-based LDM后不再重复构建VRM，避免信息复用并减少测量数。\n- **关键推论**：直观解释效率提升来源——状态向量维数降低约50%（Section VI-C分析）+ 测量数量压缩。\n\n### 3.3 Table II：Robot数据集ATE对比（Section VI-B）\n\n- **内容**：10个系统在7条序列（总长13.4 km）上的ATE及平均值。\n- **解读**：PO-VINS平均ATE 1.12 m全场最优，LE-VINS 1.30 m次之；PO-VINS-WO（1.34 m）与LE-VINS-WO（1.40 m）几乎持平，证明pose-only表示在紧耦合VINS中不损失精度；LO类系统（FAST-LIO2、R2LIVE等）仅在小场景Exp-4占优（可匹配已建点云地图消除漂移），PO-VINS作为纯里程计无此能力（Section VI-B.1）。\n\n### 3.4 Table VI：消融实验（Section VI-D）\n\n- **内容**：四种配置（无离群剔除 / direct LDM / 无depth-only优化 / 完整PO-VINS）的ATE与状态估计时间。\n- **解读**：\n  - 去掉不确定度离群剔除：平均ATE 1.12→1.43 m（恶化21.7%），时间几乎不变（剔除本身仅约0.2 ms）；\n  - 用direct LDM替代MSC-based LDM：ATE 1.12→1.52 m，时间16.2→20.9 ms，验证MSC压缩测量数与分散外点影响的双重收益；\n  - 去掉depth-only优化：时间16.2→19.8 ms而精度相近，说明该优化（约1.8 ms）通过暴露深度外点减少LDM数量，净收益为正。\n\n### 3.5 Table V与Table VII-VIII：效率与实时性（Section VI-C/E）\n\n- Table V：笔记本上PO-VINS平均状态估计时间16.2 ms vs LE-VINS 24.2 ms（降33.1%）；PO-VINS-WO 15.3 ms vs LE-VINS-WO 23.1 ms（降33.8%）。\n- Table VII-VIII：Xavier ARM上后端时间106.5→46.5 ms（降56.3%），等效FPS提升39.2%/36.1%，CPU占用约14%（250 MB RAM），两个CPU核即可实时运行。\n\n## 4. 实验与评估细节\n\n### 4.1 数据集（Table I，Section VI-A）\n\n| 数据集 | 载体 | 传感器 | 规模 | 真值 |\n|---|---|---|---|---|\n| Robot（私有） | 低速轮式机器人（≤1.5 m/s） | ADIS16465 IMU + RGB相机 + Livox Mid-70 | 7序列 / 9550 s / 13.4 km | GNSS/INS后处理，位置0.02 m |\n| R3LIVE（公开） | 手持 | BMI088 + 相机 + Livox AVIA | 6序列 / 4462 s / 5.0 km | 无真值，用3D端到端误差 |\n| FusionPortableV2（公开） | 高速车辆 | STIM300 + 相机 + Ouster OS1-128 | 5序列 / 2527 s / 20.8 km | GNSS/INS组合导航 |\n\n### 4.2 评估指标\n\n- ATE（EVO工具，Robot与FusionPortableV2）、RTE（25 m距离，反映短时一致性与鲁棒性，Fig. 9）、3D端到端误差（R3LIVE）、状态估计时间（FGO+边缘化，Table V）、前后端耗时（Table VII）、总运行时间与等效FPS（Table VIII）、CPU/内存占用。\n\n### 4.3 对比目标与公平性\n\n- **对比系统**：纯VINS（VINS-Mono）、LO系统（FAST-LIO2）、紧耦合LVINS（LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2）、基线（LE-VINS-WO / LE-VINS）与消融（PO-VINS-WO）。\n- **公平性控制**：统一特征数（Robot 150、其余200）、滑窗大小10、均无显式回环、同一ROS/笔记本平台（i7-13700H）；Robot序列沿用LE-VINS原文设置保证可比（Section VI-A.2）。\n- **公平性局限**：LVI-SAM/R2LIVE/R3LIVE/FAST-LIVO2因OS1-128稠密点云在FusionPortableV2上无法实时运行（Section VI-A.2）；R3LIVE无真值只能用端到端误差，评估维度与其他数据集不完全一致。\n\n### 4.4 主要结果\n\n- **Robot**：PO-VINS平均ATE 1.12 m（最优），较PO-VINS-WO提升16.4%；Exp-5上LE-VINS因深度外点退化至2.45 m而PO-VINS达0.80 m（Table II，Fig. 8）；RTE显示pose-only与常规方案短时一致性相当（Fig. 9）。\n- **R3LIVE**：PO-VINS平均3.08 m优于LE-VINS 3.55 m（Table III）；hku-park0因非结构化植被导致深度外点剔除后有效特征不足而例外；VINS-Mono三条序列失败（运动模糊+时延建模为随机常数），而本文时延建模为随机游走（Section V-A）。\n- **FusionPortableV2**：PO-VINS平均5.88 m全场最优，高速highway序列优势显著（highway00：9.27 m vs LE-VINS 25.91 m），且为全部序列均成功的系统之一（Table IV，Fig. 11）。\n- **消融与实时性**：见3.4/3.5节；Xavier上PO-VINS系统延迟约72 ms，后端每300 ms运行一次，高频INS先验位姿无需等待视觉处理（Section VI-E）。\n\n## 5. 方法原型图（method archetype）\n\n``n传感器输入                 前端处理                        后端FGO（Fig. 6）\n──────────               ──────────                     ──────────────\n相机图像 ──► 特征检测/LK跟踪 ──┐\n                              ├─► pose-only VRM（式21-22）──┐\nIMU 200Hz ─► INS机械编排 ─────┤                             ├─► 非线性优化（Ceres LM + Huber）\n              │ IMU预积分（式18）┘                             │        │\n              │                                               ├─► 边缘化先验\nLiDAR 10Hz ──┴► 去畸变/单位球深度关联 ─► 不确定度离群剔除（式14-15）\n                                        │                      │\n                                        └─► MSC-based LDM（式29）┘\n                                                     │\n                                                     ▼\n                          深度估计（解析式19 / depth-only优化）─► 特征外点剔除（V-E）\n                                                     │\n                                                     ▼\n                              状态反馈至INS机械编排 ─► 高频实时导航输出\n``n\n\n- **阅读指引**：核心创新集中在IV-B（解析深度不确定度）与V-C.2（MSC-based LDM）；效率证据看Table V/VII-VIII；鲁棒性证据看Table VI消融与Fig. 5定性对比。\n\n\n## 模块 E：第三遍深度审视（重建/假设/失败模式/审稿意见） / Module E: Third Pass (reconstruction, assumptions, failure modes, review)\n\n# Module E：第三遍深度审读（Third-Pass Deep Review）\n\n## 1. 可复现性重构（Reconstructability）\n\n### 1.1 算法重构要点（伪代码）\n\n依据 Section III–V、Fig. 1 与 Fig. 6，PO-VINS 主循环可重构如下：\n\n``n初始化：重力对准估计 roll/pitch，位置/速度/航向置零；静止条件下估计陀螺零偏（Section III）\nfor 每帧图像:\n    分网格并行检测 Shi-Tomasi 特征；INS 先验位姿辅助 LK 光流跟踪（Section III）\n    if 关键帧（按关键帧间隔与相对运动判断）:\n        用高频 INS 位姿将累积 LiDAR 点云投影至关键帧时刻并去除畸变\n        在相机系单位球内做特征-点云关联，平面拟合估计路标深度（Section III，引 LE-VINS[33]）\n        for 每个路标:\n            选锚定帧 F_ζ（首观测帧或 LiDAR 关联帧）与 F_η（按最大视差 θ_ζ,η 搜索）（Section IV-A）\n            解析深度 d_ζ = ‖[p^uη]× · p^cη_{cηcζ}‖ / θ_ζ,η （式(5)）\n            解析深度不确定度 σ_d（式(9)–(13)，σ_p = 1.5 px）\n            if 关联了 LiDAR 深度 d_r（σ_dr = 0.1 m）:\n                三σ检验：|d_v − d_r| > 3·√(σ_dr² + σ_d²) 则剔除该 LiDAR 深度（式(14)(15)）\n        构建因子：pose-only VRM（式(21)(22)）或 MSC-based LDM（式(25)–(29)）、\n                  IMU 预积分（式(18)）、边缘化先验；总目标函数为式(17)\n        Ceres + LM + Huber 鲁棒核求解（滑窗大小 10，Section VI-A）\n    深度更新：无 LiDAR 深度→按式(19)解析更新；有→depth-only 优化（固定位姿仅估逆深度，Section V-D）\n    视觉外点剔除：平均重投影误差 > σ_p 剔除整路标；单次 > 3σ_p 仅剔除该观测（Section V-E）\n    边缘化；将导航状态与 IMU 零偏回传 INS 机械编排（Section III）\n``n\n\n### 1.2 复现所需关键实现细节\n\n- **状态向量（式(16)）**：仅含各时刻 IMU 位姿/速度/零偏、相机-IMU 时延 t_d（随机游走建模）与外参 x_c^b，不含任何路标状态——这是 pose-only 的核心（Section V-A）。\n- **MSC-based LDM**：对式(27)中 J_τi 求左零空间基 A_i（因维度很小，QR 分解即可），左乘得式(29)；null-space 与 Schur complement 的信息等价性见引用[^61]（Section V-C.2）。\n- **锚定帧策略**：F_ζ 固定为首观测帧或 LiDAR 关联帧以便滑窗边缘化；F_η 在其余帧中按 θ_ζ,η 最大搜索以最大化视觉约束（Section IV-A 末段）。\n- **实验配置**：特征数 150（Robot）/200（公开集），滑窗 10，无显式回环（Section VI-A）。\n\n### 1.3 复现风险\n\n- PO-VINS 源码未开源，需基于 LE-VINS（<https://github.com/i2Nav-WHU/LE-VINS）自行实现> pose-only VRM/LDM、不确定度推导与 depth-only 优化（Module A 输入验证结论）。\n- 私有 Robot 数据集（支撑 Table II、V、VI、VII）不可获得；公开集 R3LIVE、FusionPortableV2 结果可部分验证方法有效性。\n- 式(10)(12) 的 Jacobian 推导未给出完整中间步骤，需自行验证；A_i 构造细节需回溯 MSCKF 文献[^10][^11]。\n\n## 2. 关键假设（Assumptions）\n\n- **滑窗内相机相对位姿误差可忽略**：因 INS 短时高精度，深度不确定度仅由特征噪声主导（Section IV-B 首段）——这是解析 σ_d 成立的前提。\n- **噪声参数固定**：σ_p = 1.5 px（Section IV-B）、σ_dr = 0.1 m（Section IV-C，由 LE-VINS 深度关联方法决定），均未自适应。\n- **锚定帧视差充分**：θ_ζ,η 可代表视差大小，F_η 按最大视差搜索保证深度可观测性（Section IV-A；Fig. 3 显示 θ 越大 σ_d 越小、深度越大 σ_d 越大）。\n- **外参与时延可在线估计**：相机-IMU 外参纳入状态向量，t_d 建模为随机游走（Section V-A）。\n- **无回环的里程计定位**：系统不消除全局漂移（Section VI-A 明确 no explicit loop closure）。\n- **MSC 线性化误差可由 FGO 多次迭代抑制**：区别于 MSCKF 的一次性线性化导致次优估计（Section V-C.2 末段，引[^16]）。\n\n## 3. 失效模式与盲点（Failure Modes / Blind Spots）\n\n- **视觉退化场景失效**：昏暗、运动模糊、弱纹理下特征跟踪中断，R3LIVE-Handheld 上 hkust-campus00 端到端误差达 10.72 m（Table III），作者在 Section VII 承认结果不理想。\n- **非结构化环境的 LiDAR 深度离群**：树/车边缘遮挡频发（Fig. 4–5）；hku-park0 上离群剔除后有效特征过少，LE-VINS/PO-VINS 反而劣于各自无增强版本（Table III，Section VI-B.2）。\n- **无漂移消除能力**：小尺度可回访场景（Exp-4）中 LO 系统可匹配已建点云地图消除漂移而 PO-VINS 不能（Section VI-B.1）；高速 highway00 仍累积 9.27 m ATE（Table IV）。\n- **假设边界未量化**：滑窗内相对位姿误差可忽略的假设在 INS 退化（长时间无视觉约束、高动态机动）时的失效阈值未讨论（Section IV-B 的隐含盲点）。\n\n## 4. 优点与不足（Strengths & Weaknesses）\n\n### 优点（附证据链）\n\n- **效率显著提升且精度不损**：状态估计时间较 LE-VINS 降低 33.1%（笔记本，Table V：24.2→16.2 ms），Xavier 上后端时间降低 56.3%（Table VII：106.5→46.5 ms）；同时 Robot 平均 ATE 1.30→1.12 m（Table II），FusionPortableV2 平均 12.32→5.88 m 且为对比方法中最优（Table IV）。推理链：pose-only 移除路标状态使状态维度约降 50%（Section VI-C），MSC-based LDM 压缩测量数量（Section V-C.2），两者叠加产生效率增益。\n- **解析深度不确定度是可靠的理论贡献**：式(9)–(13) 推导完整，Fig. 3 用真实数据验证 σ_d 随 θ 增大而减小、随深度增大而增大，符合双视几何理论（Section IV-B）；消融显示该剔除策略使平均 ATE 降低约 21.7%（Table VI：1.43→1.12 m）。\n- **MSC-based LDM 兼顾鲁棒与高效**：相比 direct LDM（ATE 1.52 m、20.9 ms），MSC 版本 ATE 1.12 m、16.2 ms（Table VI），原因是利用全部特征观测稀释离群影响并压缩测量数（Section V-C.2）。\n- **工程实用性强**：在所有数据集实时运行，包括 LVI-SAM/R2LIVE/R3LIVE/FAST-LIVO2 因 Ouster OS1-128 稠密点云无法实时的高速序列（Section VI-A、Table IV）；Xavier 上 CPU 占用仅约 14%、内存 250 MB（Section VI-E）。\n\n### 不足（附证据链）\n\n- **可复现性受限**：核心结论大量依赖私有 Robot 数据集，且 PO-VINS 未开源（Module A 输入验证）。\n- **精度上限受限于无 LO/无回环**：结构化可回访场景中 FAST-LIO2/R2LIVE 等凭借点云地图匹配更优（Table II Exp-4：0.83 vs 0.90 m；Table III 中 R2LIVE 平均 1.02 m）。\n- **视觉退化鲁棒性不足**：作者自认（Section VII），且未给出退化检测与降级运行策略。\n- **对比不完整**：效率仅与同源基线 LE-VINS 对比，未与 PIPO-SLAM[^29] 等 pose-only 系统直接对照；pose-only 在紧耦合 VISE 中的精度-效率权衡仅由 PO-VINS-WO vs LE-VINS-WO 间接说明，缺乏与 BA 的受控消融。\n\n## 5. 下一步研究方向（Next-Step Research）\n\n- **自适应融合 LO**：在视觉退化场景按需启用 LiDAR 里程计，构建效率-鲁棒性自适应的紧耦合 LVINS（Section VII 明确列为未来工作）。\n- **集成 GNSS 实现无漂移定位**：将 PO-VINS 作为 INS-centric 框架的视觉-LiDAR 子模块接入 GNSS，构建多传感器融合系统（Section VII）。\n- **不确定度模型精细化**：将固定 σ_p、σ_dr 改为在线估计/自适应，或在式(13)中纳入相对位姿误差项以放宽 Section IV-B 假设；可探索 Schur complement 替代 null-space 的实现并量化差异（Section V-C.2 提及但未展开）。\n- **pose-only 扩展至回环与全局优化**：验证 pose-only 表示在 PGO/大规模建图中的效率优势，与 PIPO-SLAM[^29]、pose-only 重建[^28] 建立统一对比基准。\n\n\n## 模块 F：术语表与概念依赖图 / Module F: Glossary and Concept Map\n\n# Module F：术语表与概念依赖图\n\n## 一、术语表（Glossary，共35条）\n\n### 1. VINS（Visual-Inertial Navigation System，视觉惯性导航系统）\n\n- **定义**：以相机与IMU为主要传感器，通过状态估计获得载体位姿、速度等导航状态的系统。\n- **直觉**：视觉提供低成本、低漂移的相对运动观测但无绝对尺度；IMU提供高频短时精确约束并恢复尺度，二者互补。\n- **论文中的作用**：全文研究对象类别；PO-VINS是其中一种紧耦合、优化式的实现（Section I）。\n- **前置知识**：多视图几何、惯性导航基础。\n\n### 2. VISE（Visual-Inertial State Estimator，视觉惯性状态估计器）\n\n- **定义**：VINS中执行状态估计的核心模块，输入视觉与IMU测量，输出位姿/速度/偏差等状态。\n- **直觉**：VINS的\"后端引擎\"。\n- **论文中的作用**：标题核心词；pose-only方案即作用于VISE（Abstract、Section I）。\n- **前置知识**：状态估计理论（文献[^9]）。\n\n### 3. Pose-only solution / Pose adjustment（仅位姿解算 / 位姿调整）\n\n- **定义**：将视觉路标参数用相机位姿与特征观测解析表达，从而仅优化位姿状态、不把路标纳入状态向量的估计方式。\n- **直觉**：BA同时优化位姿+路标，维度巨大；pose-only相当于把路标\"消元\"，只保留低维位姿。\n- **论文中的作用**：论文核心方法；证明其在紧耦合实时VISE中可行且高效（Section I、IV）。\n- **前置知识**：两视图/多视图几何等价性（文献[^27][^28]）。\n\n### 4. BA（Bundle Adjustment，光束法平差）\n\n- **定义**：同时优化相机位姿与3D路标位置以最小化重投影误差的非线性优化方法。\n- **直觉**：SLAM/重建的经典\"金标准\"，但路标参数维度高、计算量大。\n- **论文中的作用**：作为对比范式；pose-only被证明与其等价但效率高2–4个数量级（Section I，文献[^27][^28]）。\n- **前置知识**：非线性最小二乘、稀疏优化。\n\n### 5. FGO（Factor Graph Optimization，因子图优化）\n\n- **定义**：将测量建模为因子、状态为节点，通过最大后验估计求解非线性优化的框架。\n- **直觉**：把各种传感器测量\"挂\"在图上统一求解。\n- **论文中的作用**：PO-VINS的估计框架（Fig. 6、式(17)）；文中指出FGO比滤波更精确（Section II-A，文献[^16]）。\n- **前置知识**：概率图模型、最大后验估计。\n\n### 6. VRM（Visual-Reprojection Measurement，视觉重投影测量）\n\n- **定义**：以视觉特征重投影误差构造的测量约束。\n- **直觉**：路标投影回图像应与观测像素一致。\n- **论文中的作用**：pose-only VRM（式(21)–(22)）是论文两大测量模型之一，不依赖路标状态。\n- **前置知识**：针孔相机投影模型。\n\n### 7. LDM（LiDAR-Depth Measurement，LiDAR深度测量）\n\n- **定义**：将LiDAR为视觉路标提供的深度作为测量约束的模型。\n- **直觉**：给视觉路标\"量\"一个精确深度，弥补单目深度不确定。\n- **论文中的作用**：LiDAR增强的核心；论文提出direct LDM与MSC-based LDM两种pose-only形式（Section V-C）。\n- **前置知识**：相机-LiDAR外参、深度关联方法。\n\n### 8. MSC（Multistate Constraint，多状态约束）\n\n- **定义**：源自MSCKF的约束形式，通过左零空间投影消去路标状态，将多帧观测压缩为一个测量。\n- **直觉**：把\"路标未知\"投影掉，只留位姿可估的部分。\n- **论文中的作用**：论文借鉴MSC思想构建pose-only MSC-based LDM（Section V-C.2，式(27)–(29)）。\n- **前置知识**：MSCKF（文献[^10][^11]）、零空间投影。\n\n### 9. MSCKF（Multistate Constraint Kalman Filter，多状态约束卡尔曼滤波）\n\n- **定义**：不将路标纳入状态向量、用多状态约束进行EKF更新的视觉惯性滤波框架。\n- **直觉**：滤波版的\"pose-only\"思想先驱。\n- **论文中的作用**：MSC-based LDM的思想来源；文中指出其一次性线性化导致次优（Section II-A、V-C.2，文献[^16]）。\n- **前置知识**：EKF、线性代数（零空间）。\n\n### 10. IMU preintegration（IMU预积分）\n\n- **定义**：将两关键帧间的IMU测量积分为相对位置/速度/姿态增量测量，且与初始状态解耦。\n- **直觉**：把高频IMU\"打包\"成一个约束，避免重复线性化。\n- **论文中的作用**：FGO中的IMU因子（式(18)，文献[^58]），连接相邻IMU状态节点。\n- **前置知识**：IMU误差模型、SO(3)旋转动力学。\n\n### 11. Sliding-window optimizer（滑动窗口优化器）\n\n- **定义**：仅对最近若干状态节点构建并求解优化问题，以限制计算量的估计策略。\n- **直觉**：只优化\"最近一段\"，旧状态边缘化成先验。\n- **论文中的作用**：PO-VINS紧耦合估计器的实现方式（Section V-A），窗口大小设为10（Section VI-A）。\n- **前置知识**：FGO、边缘化。\n\n### 12. Marginalization / Schur complement（边缘化 / Schur补）\n\n- **定义**：将滑窗移出的状态转换为先验约束以保留信息的技术；Schur补是其常用实现。\n- **直觉**：旧信息\"压缩存档\"而不丢弃。\n- **论文中的作用**：式(17)中先验残差e^Prior的来源（Section V-A，文献[^7][^25][^40]）；文中提到Schur补可作为MSC的替代推导（Section V-C.2，文献[^61]）。\n- **前置知识**：稀疏线性代数、信息矩阵。\n\n### 13. Analytical depth uncertainty（解析深度不确定度）\n\n- **定义**：由pose-only深度表达式经误差传播（Jacobian与特征噪声协方差Σ_p^u）解析求出的路标深度方差Σ_d（式(9)–(13)）。\n- **直觉**：视差大→深度准；深度远→深度不准，且可定量算出。\n- **论文中的作用**：论文贡献2；用于LiDAR深度离群点剔除（Section IV-B、IV-C；Fig. 3）。\n- **前置知识**：协方差/误差传播、Jacobian矩阵。\n\n### 14. Parallax parameter θ_{ς,η}（视差参数）\n\n- **定义**：pose-only深度公式分母中的量 θ=‖[p^{u_η}]× R_{c_ς}^{c_η} p^{u_ς}‖，表征两锚定帧间视差大小（式(5)）。\n- **直觉**：θ大→三角化条件好→深度不确定度小。\n- **论文中的作用**：用于选择最大视差锚定帧F_η（Section IV-A末段）；Fig. 3展示其与σ_d的关系。\n- **前置知识**：两视图几何、三角化。\n\n### 15. Anchored frame（锚定帧）\n\n- **定义**：路标深度所参照的关键帧F_ς与F_η；深度由这两帧位姿与特征观测解析表达。\n- **直觉**：给每个路标指定\"代表帧\"，深度挂在代表帧上。\n- **论文中的作用**：pose-only表示的核心结构（Fig. 2、Section IV-A、V-B）；F_ς取首观测帧或LiDAR关联帧以便滑窗边缘化。\n- **前置知识**：关键帧管理、多视图几何。\n\n### 16. Uncertainty-based outlier rejection（基于不确定度的LiDAR深度离群点剔除）\n\n- **定义**：比较解析深度d_v与LiDAR深度d_r之差ε_d是否在±3σ_{ε_d}内，超出则判为外点的方法（式(14)–(15)）。\n- **直觉**：视觉算出的深度不确定度可达分米级，LiDAR深度若偏离过多必是遮挡/错配。\n- **论文中的作用**：论文贡献2；消融显示平均ATE降低约21.7%（Section VI-D.1、Table VI；Fig. 4–5）。\n- **前置知识**：随机变量和的方差、假设检验。\n\n### 17. Three-sigma verification（3σ检验）\n\n- **定义**：若误差绝对值超过3倍标准差则视为异常值的统计准则。\n- **直觉**：正态假设下超出3σ的概率仅约0.3%。\n- **论文中的作用**：LiDAR深度离群点剔除的判定规则（Section IV-C）。\n- **前置知识**：正态分布。\n\n### 18. Inverse-depth parameterization（逆深度参数化）\n\n- **定义**：以深度倒数τ=1/d参数化路标深度，适合远距离/低视差场景。\n- **直觉**：远处路标深度不确定大，逆深度更接近高斯分布。\n- **论文中的作用**：LE-VINS的VRM/LDM（式(25)(26)）与depth-only优化中的被估状态（Section V-C.2、V-D，文献[^34]）。\n- **前置知识**：路标参数化方法。\n\n### 19. INS-centric framework（以惯导为中心的处理框架）\n\n- **定义**：以INS机械编排高频递推为主干、其他传感器测量修正INS误差的系统架构。\n- **直觉**：INS短时精确，视觉/LiDAR负责\"纠偏\"。\n- **论文中的作用**：PO-VINS系统架构（Fig. 1、Section III，文献[^4]）；带来对大角运动/时变的鲁棒性（Section VI-B.2）。\n- **前置知识**：INS机械编排、重力对准初始化。\n\n### 20. INS mechanization（惯导机械编排）\n\n- **定义**：由IMU输出递推计算位置、速度、姿态的解析过程。\n- **直觉**：导航解算的\"发动机\"，高频运行。\n- **论文中的作用**：提供高频先验位姿，用于特征跟踪辅助与LiDAR点云去畸变（Section III）。\n- **前置知识**：惯性导航原理（文献[^3]）。\n\n### 21. Normalized camera frame / u-frame（归一化相机坐标系）\n\n- **定义**：像素经内参逆投影π_c^{-1}得到的单位深度坐标p^u=(x,y,1)所在坐标系。\n- **直觉**：去掉焦距影响的\"标准\"像平面坐标。\n- **论文中的作用**：pose-only约束与残差均在该坐标系表达（式(1)(8)(21)）。\n- **前置知识**：针孔相机模型、内参。\n\n### 22. Skew-symmetric matrix [p]×（反对称矩阵）\n\n- **定义**：将3维向量映射为矩阵使 [p]× q = p×q 的算子。\n- **直觉**：叉积的矩阵形式，用于消元求深度。\n- **论文中的作用**：式(4)左乘[p^{u_η}]×消去尺度项，导出pose-only深度（Section IV-A，文献[^59]）。\n- **前置知识**：线性代数、向量叉积。\n\n### 23. Huber robust cost function（Huber鲁棒代价函数）\n\n- **定义**：对大残差线性增长的鲁棒核函数，降低外点对优化的影响。\n- **直觉**：小误差按二次、大误差按一次惩罚，\"钝化\"外点。\n- **论文中的作用**：VRM与LDM均采用（Section V-A，文献[^60]）。\n- **前置知识**：鲁棒估计、M-估计。\n\n### 24. Levenberg–Marquardt algorithm（LM算法）\n\n- **定义**：结合高斯-牛顿与梯度下降的非线性最小二乘求解算法。\n- **直觉**：在稳定性与收敛速度间自适应折中。\n- **论文中的作用**：求解式(17)优化问题的具体算法（Section V-A，文献[^15]）。\n- **前置知识**：非线性最小二乘。\n\n### 25. Depth-only optimization（仅深度优化）\n\n- **定义**：固定位姿与外参、仅优化路标逆深度的低维优化，融合视觉与LiDAR观测更新深度（Section V-D）。\n- **直觉**：位姿已由FGO定好，深度单独\"精修\"，还能暴露LiDAR外点。\n- **论文中的作用**：论文方法组成之一；消融显示效率提升且精度不变（Table VI），平均耗时约1.8 ms。\n- **前置知识**：非线性优化、逆深度。\n\n### 26. LVINS（LiDAR-Visual-Inertial Navigation System，激光-视觉-惯性导航系统）\n\n- **定义**：同时融合LiDAR、相机与IMU的导航系统。\n- **直觉**：比VINS多一路精确深度/几何观测。\n- **论文中的作用**：对比对象类别（LVI-SAM、R2LIVE、R3LIVE、FAST-LIVO2等，Section VI-A/B）。\n- **前置知识**：多传感器融合。\n\n### 27. LO（LiDAR Odometry，激光里程计）\n\n- **定义**：基于点云配准递推位姿的模块。\n- **直觉**：LiDAR版\"视觉里程计\"，计算量大。\n- **论文中的作用**：PO-VINS刻意不使用LO以保持轻量（Section I、II-B、VI-A），是与重型LVINS的核心区别。\n- **前置知识**：点云配准（ICP/NDT）。\n\n### 28. ATE / RTE（绝对/相对平移误差）\n\n- **定义**：ATE为估计轨迹与真值的整体平移误差；RTE为固定距离（如25 m）区间内的相对平移误差。\n- **直觉**：ATE看全局漂移，RTE看短时一致性/鲁棒性。\n- **论文中的作用**：主要精度指标（Table II–IV、Fig. 8–9；EVO工具，文献[^65]）。\n- **前置知识**：轨迹评估方法。\n\n### 29. End-to-end error（端到端误差）\n\n- **定义**：轨迹终点与起点真值间的三维位置误差，用于无全程真值的数据集。\n- **直觉**：只看\"最后差多远\"。\n- **论文中的作用**：R3LIVE数据集（无真值）的评估方式（Section VI-A.2、Table III）。\n- **前置知识**：轨迹评估方法。\n\n### 30. Time-delay parameter as random walk（随机游走时间延迟参数）\n\n- **定义**：将相机-IMU时间延迟t_d建模为随时间随机游走的在线估计状态。\n- **直觉**：相机与IMU时钟不同步且可能时变，随机游走比随机常数更贴合实际。\n- **论文中的作用**：状态向量含t_d（式(16)）；是在R3LIVE数据集上优于VINS-Mono的原因之一（Section V-A、VI-B.2）。\n- **前置知识**：随机过程、传感器时间同步。\n\n### 31. Camera–IMU extrinsic parameters（相机-IMU外参）\n\n- **定义**：相机坐标系相对IMU体坐标系的平移p_{bc}^b与旋转q_c^b。\n- **直觉**：两个传感器的\"安装关系\"。\n- **论文中的作用**：状态向量的一部分（式(16)），通过式(20)连接IMU位姿与相机位姿。\n- **前置知识**：刚体变换、坐标系变换。\n\n### 32. Nullspace projection / QR decomposition（零空间投影 / QR分解）\n\n- **定义**：构造矩阵A_i使其列张成J_{τ_i}的左零空间，左乘A_i^T消去路标状态；因维度小可用QR分解高效实现。\n- **直觉**：把\"含未知路标\"的方程投影到与路标无关的子空间。\n- **论文中的作用**：MSC-based LDM的推导核心（式(27)–(29)，Section V-C.2，文献[^10][^11][^61]）。\n- **前置知识**：矩阵零空间、QR分解。\n\n### 33. Keyframe（关键帧）\n\n- **定义**：按帧间隔与相对运动筛选出的代表性图像帧，仅关键帧参与状态估计。\n- **直觉**：不是每帧都优化，挑\"信息量大\"的帧。\n- **论文中的作用**：锚定帧与观测帧均取自关键帧（Fig. 2、Section III）；平均关键帧间隔约0.3 s（Section VI-E）。\n- **前置知识**：VIO前端处理。\n\n### 34. Mahalanobis norm（马氏范数）\n\n- **定义**：以测量协方差加权的残差范数 ‖e‖_Σ² = e^T Σ^{-1} e。\n- **直觉**：不确定度大的测量权重小。\n- **论文中的作用**：式(17)目标函数对各因子的加权方式（Section V-A，文献[^9]）。\n- **前置知识**：多元高斯分布、加权最小二乘。\n\n### 35. Solid-state LiDAR（固态激光雷达）\n\n- **定义**：无机械旋转部件、扫描模式非重复的LiDAR（如Livox Mid-70/AVIA）。\n- **直觉**：点云随时间累积变密，利于特征-深度关联。\n- **论文中的作用**：Robot与R3LIVE数据集所用传感器（Table I、Fig. 7）；非重复扫描利于深度关联（Section VI-A.1）。\n- **前置知识**：LiDAR成像原理。\n\n## 二、概念依赖图（文本版）\n\n``n【基础层：视觉几何】\n多视图几何(Hartley-Zisserman[2])\n  ├─→ 针孔模型/归一化坐标系u-frame（式(1)）\n  ├─→ 两视图几何约束（式(2)）\n  │ └─→ 反对称矩阵消元（式(4)）\n  │ └─→ pose-only两视图约束（式(7)，等价性[27]）\n  │                    └─→ 多视图pose-only表示（式(8)，[28]）\n  │ ├─→ pose-only深度d（式(5)/(19)）\n  │ │ └─→ 解析深度不确定度Σ_d（式(9)-(13)，误差传播）\n  │ │ └─→ 3σ检验（式(14)-(15)）→ LiDAR深度离群点剔除（Fig.4-5）\n  │ └─→ pose-only VRM残差（式(21)-(22)）\n  └─→ 视差参数θ（式(5)）→ 锚定帧F_η最大视差选择（Section IV-A）\n\n【基础层：惯性导航】\n惯性导航原理([3])\n  ├─→ INS机械编排 → INS-centric框架（Fig.1，[4]）→ 高频先验位姿（特征跟踪/LiDAR去畸变）\n  └─→ IMU误差模型 → IMU预积分（式(18)，[58]）→ FGO中的IMU因子\n\n【估计层】\nMSCKF([10][11]) → 多状态约束MSC（左零空间投影）─┐\nFGO([15]) → 滑动窗口优化器 → 状态向量X（式(16)，无路标状态）─┤\n边缘化/Schur补([7][25][40]) → 先验因子e^Prior ─┤\n                                                ├─→ 式(17)最大后验目标（马氏范数加权）\n                                                │ └─→ Ceres + LM + Huber求解（Section V-A）\nQR分解求零空间（式(27)-(29)）→ MSC-based LDM ─┤\ndirect LDM（式(24)）─（对比后弃用：测量多、外点影响大）─┘\nMSC-based LDM\n  ├─→ 测量数压缩 → 效率提升（Table V、VII）\n  └─→ 融合全部观测 → 对LiDAR外点鲁棒（Table VI）\n\n【后处理层】\npose-only深度更新（式(19)）+ depth-only优化（Section V-D）→ 路标深度/位置更新\n  └─→ 重投影误差统计外点剔除（Section V-E）→ INS辅助特征跟踪\n\n【验证层】\nATE / RTE / 端到端误差（EVO[65]）→ Robot / R3LIVE / FusionPortableV2实验（Table II-IV）\n状态估计时间统计 → 效率验证（Table V、VII、VIII，ARM Xavier实时性）\n``n\n**阅读建议**：先掌握\"多视图几何 → pose-only表示 → 解析深度不确定度\"主线（对应贡献1、2，Section IV），再理解\"MSCKF零空间投影 → MSC-based LDM\"支线（对应贡献3，Section V-C），最后结合FGO框架（Fig. 6、式(17)）与实验指标（Table II–VIII）理解整体系统的效率与鲁棒性来源。\n\n\n\n\n## 模块 G：联网核验与引用校对 / Module G: Verification and Citation Check\n\n# Module G：验证、冲突与参考文献核查\n\n## 1. 关键事实性主张核查（每条主张给出论文内定位与外部来源交叉验证）\n\n### 主张 1：pose-only 视觉表示与 BA / 多视图几何数学等价\n\n- 论文内定位：Section I 引言；Section IV-A 式(7)–(8)；Fig. 2\n- 外部来源 1：文献 [^27]（Cai et al., IJCV 2019）证明两视图成像几何等价于一对 pose-only 约束\n- 外部来源 2：文献 [^28]（Cai et al., TPAMI 2023）扩展至多视图几何，并报告 3-D 重建中 2–4 个数量级的效率提升\n- 交叉验证：文献 [^29]（PIPO-SLAM, T-RO 2024）在局部建图线程采用 local pose adjustment，报告计算与内存成本显著下降\n- 核查结论：等价性与效率主张与所引文献一致，可信。注意论文自身指出 PIPO-SLAM 的局部位姿优化是纯视觉优化而非紧耦合 VIO（Section I），本文首次将其用于典型配置的实时紧耦合 VISE。\n\n### 主张 2：状态估计效率在笔记本（i7-13700H）提升约 33%，在机载 ARM（Xavier）提升约 56%\n\n- 论文内定位 1：摘要；Table V：Robot 数据集平均状态估计时间 LE-VINS 24.2 ms vs PO-VINS 16.2 ms（降幅 33.1%）\n- 论文内定位 2：Table VII：ARM 后端平均时间 LE-VINS 106.5 ms vs PO-VINS 46.5 ms（降幅 56.3%）；Section VI-E\n- 交叉验证：Table VIII 总运行时间分别下降 28.2% 与 26.5%，等效 FPS 提升 39.2% 与 36.1%，方向一致\n- 核查结论：数据内部一致；摘要的 33%/56% 为正文 33.1%/56.3% 的取整，无冲突。\n\n### 主张 3：PO-VINS 在 Robot 数据集上平均 ATE 最优（1.12 m）\n\n- 论文内定位 1：Table II（PO-VINS 1.12 m；LE-VINS 1.30 m；PO-VINS-WO 1.34 m；LE-VINS-WO 1.40 m）\n- 论文内定位 2：Section VI-B.1 文字分析；Fig. 8（Exp-5 位置误差曲线）\n- 交叉验证：Table VI 消融中 PO-VINS 平均 ATE 1.12 m 与 Table II 一致\n- 核查结论：主张成立，但注意 Exp-4 上含 LO 的系统（如 FAST-LIVO2 0.22 m）优于 PO-VINS（0.90 m），作者解释为小尺度场景中 LiDAR 子系统可匹配已建点云地图消除漂移（Section VI-B.1）。\n\n### 主张 4：MSC-based LDM 源自 MSCKF 的左零空间投影思想\n\n- 论文内定位：Section V-C.2 式(25)–(29)；Fig. 6\n- 外部来源 1：文献 [^10]（Mourikis & Roumeliotis, ICRA 2007，MSCKF 原文）\n- 外部来源 2：文献 [^11]（Li & Mourikis, IJRR 2013，MSCKF 2.0）\n- 核查结论：方法来源清晰；作者并指出与 MSCKF 一次性线性化不同，FGO 多次迭代可降低线性化误差（Section V-C.2 末段，引 [^16]），故 MSC-based LDM 在优化框架内可达最优估计。\n\n### 主张 5：零空间边缘化与 Schur 补在特定条件下保留相同信息量\n\n- 论文内定位：Section V-C.2 式(29) 之后的讨论\n- 外部来源：文献 [^61]（Yang, Maley & Huang, IROS 2017, Null-space-based marginalization）\n- 核查结论：与引用文献一致；作者说明 Schur 补可作为替代推导方式但超出本文范围。\n\n### 主张 6：解析深度不确定度随视差参数增大而减小、随深度增大而增大\n\n- 论文内定位：Section IV-B 式(9)–(13)；Fig. 3（基于真实数据集绘制）\n- 交叉验证：作者称结果符合两视图几何理论（引 [^2] Hartley & Zisserman）；并指出 σ_d 可达数分米，远大于 LiDAR 测距误差，从而解释 LiDAR 增强可提升精度（Section IV-B 末段）\n- 核查结论：定性结论与经典多视图几何理论一致。\n\n### 主张 7：IMU 预积分测量模型沿用作者前期工作\n\n- 论文内定位：Section V-A 式(18)\n- 外部来源：文献 [^58]（Tang et al., IEEE Sensors J. 2022，含地球自转补偿的 MEMS-IMU 预积分）\n- 核查结论：来源明确，协方差由噪声传播获得。\n\n### 主张 8：基线系统 LE-VINS 开源可用，PO-VINS 本身未开源\n\n- 论文内定位：Section III、Section V-A（时间延迟模型实现）、Section VI-A.2，代码链接 <https://github.com/i2Nav-WHU/LE-VINS>\n- 交叉验证：文献 [^33]（Tang et al., LE-VINS, IEEE TIM 2023）\n- 核查结论：复现 PO-VINS 需基于 LE-VINS 自行实现 pose-only VRM/LDM、不确定度外点剔除与 depth-only optimization 模块。\n\n### 主张 9：数据集配置与真值来源\n\n- 论文内定位：Table I；Section VI-A.1；Fig. 7\n- 交叉验证：R3LIVE 数据集出自文献 [^50]（Lin & Zhang, ICRA 2022）；FusionPortableV2 出自文献 [^62]（arXiv:2404.08563, 2024）\n- 核查结论：Robot 数据集为私有（7 序列、9550 s、13.4 km，位置真值精度 0.02 m 由 GNSS/INS 后处理获得）；R3LIVE 无真值，仅用端到端误差；FusionPortableV2 用 GNSS/INS 结果作真值。\n\n### 主张 10：消融实验的量化结论\n\n- 论文内定位：Table VI；Section VI-D\n- 具体数字：去掉不确定度外点剔除后平均 ATE 由 1.12 m 升至 1.43 m（约 +21.7%）；direct LDM 配置平均耗时 20.9 ms（vs PO-VINS 16.2 ms）；去掉 depth-only optimization 平均耗时 19.8 ms，深度优化本身平均约 1.8 ms，外点剔除平均约 0.2 ms\n- 核查结论：三个组件（不确定度外点剔除、MSC-based LDM、depth-only optimization）的贡献均有量化支撑，且与 Table V 的效率数据一致。\n\n## 2. 冲突与不确定性说明\n\n1. **参考文献 [^3] 著录疑似错误**：文献列表将 [^3] 写为 Groves 的 Multiple View Geometry in Computer Vision（Artech House, 2008），但该书名实为 [^2] Hartley & Zisserman 的著作；Groves 2008 年在 Artech House 出版的应为 Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems。正文在重力对准、误差扰动、随机游走建模等多处引用 [^3]，实际指向应为 Groves 导航教材。属著录错误，不影响方法推导本身。\n2. **参考文献 [^59] 缺失/乱码**：正文在斜对称矩阵（式(4)）与四元数-旋转矩阵等价性处引用 [^59]，但文献列表 [^58] 与 [^60] 之间出现乱码条目，[^59] 的规范条目缺失，无法核实其确切出处（按上下文推测为四元数/李群代数参考）。\n3. **文表轻微不一致**：FAST-LIO2 出现在 Table II 与 Table III 中，但 Section VI-A.2 的对比系统文字列表未明确列出该系统，且正文引用编号中未见对应条目，疑似遗漏说明。\n4. **拼写笔误**：Table I 中 IMU 厂商写作 Sensoror STIM300，正确拼写应为 Sensonor。\n5. **逐序列局部退化与总体结论并存**：Exp-6、Exp-7 上 PO-VINS 的 ATE 略高于部分对比配置（Table II），作者归因于复杂环境下的正常波动（Section VI-B.1）；hku-park0 上 LE-VINS/PO-VINS 劣于各自无 LiDAR 版本（Table III），作者归因于昏暗公园非结构化植被导致外点剔除后有效特征过少（Section VI-B.2）。评估总体结论时应注意这些局部反例。\n6. **R3LIVE 数据集评估强度受限**：该数据集无真值，仅能使用端到端误差（Section VI-A.2），因此其上的精度结论弱于有真值的 Robot 与 FusionPortableV2 数据集。\n7. **作者自述未经独立验证的估计**：pose-only 使状态向量维度降低约 50%（Section VI-C）为作者自述分析，论文未给出独立推导或统计。\n8. **可复现性限制**：私有 Robot 数据集未公开，Table II、V、VI、VII 的结果无法第三方独立复现；PO-VINS 源码未开源。\n9. **对比公平性限制**：LVI-SAM 与 R2LIVE 在 FusionPortableV2 上因 Ouster OS1-128 稠密点云无法实时运行（Section VI-A.2、Table IV 标记 failed）；VINS-Mono 在 R3LIVE 三条序列失败（Table III）。这些 failed 项使平均值标记为 Invalid，跨系统平均对比需谨慎解读。\n10. **摘要与正文数值一致性**：摘要 33%/56% 与正文 33.1%（Table V）/56.3%（Table VII）一致（取整关系），无实质冲突。\n\n## 3. 参考文献列表（核查所依据的关键文献，按原文编号）\n\n- [^2] R. Hartley and A. Zisserman, Multiple View Geometry in Computer Vision. Cambridge Univ. Press, 2003.\n- [^3] P. D. Groves, Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems. Artech House, 2008.（原文列表著录有误，见冲突说明第 1 条）\n- [^9] T. D. Barfoot, State Estimation for Robotics. Cambridge Univ. Press, 2017.\n- [^10] A. I. Mourikis and S. I. Roumeliotis, A multi-state constraint Kalman filter for vision-aided inertial navigation. ICRA 2007, pp. 3565–3572.\n- [^11] M. Li and A. I. Mourikis, High-precision, consistent EKF-based visual-inertial odometry. IJRR, vol. 32, no. 6, pp. 690–711, 2013.\n- [^16] G. Huang, Visual-inertial navigation: A concise review. ICRA 2019, pp. 9572–9582.\n- [^17] T. Qin, P. Li, and S. Shen, VINS-Mono: A robust and versatile monocular visual-inertial state estimator. IEEE T-RO, vol. 34, no. 4, pp. 1004–1020, 2018.\n- [^27] Q. Cai et al., Equivalent constraints for two-view geometry: Pose solution/pure rotation identification and 3D reconstruction. IJCV, vol. 127, no. 2, pp. 163–180, 2019.\n- [^28] Q. Cai et al., A pose-only solution to visual reconstruction and navigation. IEEE TPAMI, vol. 45, no. 1, pp. 73–86, 2023.\n- [^29] Y. Ge, L. Zhang, Y. Wu, and D. Hu, PIPO-SLAM: Lightweight visual-inertial SLAM with preintegration merging theory and pose-only descriptions of multiple view geometry. IEEE T-RO, vol. 40, pp. 2046–2059, 2024.\n- [^33] H. Tang, X. Niu, T. Zhang, L. Wang, and J. Liu, LE-VINS: A robust solid-state-LiDAR-enhanced visual-inertial navigation system for low-speed robots. IEEE TIM, vol. 72, pp. 1–13, 2023. 代码：<https://github.com/i2Nav-WHU/LE-VINS>\n- [^50] J. Lin and F. Zhang, R3LIVE: A robust, real-time, RGB-colored, LiDAR-inertial-visual tightly-coupled state estimation and mapping package. ICRA 2022, pp. 10672–10678.\n- [^52] C. Zheng et al., FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry. IEEE T-RO, vol. 41, pp. 326–346, 2024.\n- [^53] T. Shan, B. Englot, C. Ratti, and D. Rus, LVI-SAM: Tightly-coupled LiDAR-visual-inertial odometry via smoothing and mapping. ICRA 2021, pp. 5692–5698.\n- [^58] H. Tang, T. Zhang, X. Niu, J. Fan, and J. Liu, Impact of the Earth rotation compensation on MEMS-IMU preintegration of factor graph optimization. IEEE Sensors J., vol. 22, no. 17, pp. 17194–17204, 2022.\n- [^60] S. Agarwal and K. Mierle, Ceres Solver. <https://github.com/ceres-solver/ceres-solver>\n- [^61] Y. Yang, J. Maley, and G. Huang, Null-space-based marginalization: Analysis and algorithm. IROS 2017, pp. 6749–6755.\n- [^62] H. Wei et al., FusionPortableV2: A unified multi-sensor dataset for generalized SLAM across diverse platforms and scalable environments. arXiv:2404.08563, 2024.\n- [^63] J. Lin, C. Zheng, W. Xu, and F. Zhang, R2LIVE: A robust, real-time, LiDAR-inertial-visual tightly-coupled state estimator and mapping. IEEE RA-L, vol. 6, no. 4, pp. 7469–7476, 2021.\n- [^65] M. Grupp, EVO. <https://github.com/MichaelGrupp/evo>\n\n\n\n## 模块 H：图表与表格抽取（索引/打分/深读） / Module H: Figure/Table Mining (index, scoring, top deep dive)\n\n# Module H：图表提取与深度解读\n\n## 1. 图表完整索引\n\n### 1.1 表格索引（编号 / 标题 / 类型 / 位置 / 支持结论 / 评分）\n\n| 编号 | 标题（原文） | 类型 | 位置 | 支持的结论 | 评分(1–5) |\n|---|---|---|---|---|---|\n| Table I | Dataset descriptions | 数据集汇总表 | Section VI-A | 三类载体（轮式机器人/手持/车辆）与传感器配置（相机/IMU/LiDAR型号与频率），验证实验覆盖面与对比公平性 | 4 |\n| Table II | Comparison of the ATEs on the Robot dataset | 定量精度表 | Section VI-B.1 | PO-VINS平均ATE 1.12 m全场最优；PO-VINS-WO（1.34 m）≈LE-VINS-WO（1.40 m）证明pose-only不损精度；LiDAR增强带来16.4%提升 | 5 |\n| Table III | Comparison of the end-to-end errors on the R3LIVE dataset | 定量精度表 | Section VI-B.2 | 手持大角运动场景下PO-VINS平均3.08 m优于LE-VINS 3.55 m，鲁棒性更强；VINS-Mono在3个序列失败 | 4 |\n| Table IV | Comparison of the ATEs on the FusionPortableV2 dataset | 定量精度表 | Section VI-B.3 | 高速车辆场景PO-VINS平均5.88 m最优；在FAST-LIO2/R3LIVE/FAST-LIVO2均失败的highway00上仍成功运行（9.27 m） | 5 |\n| Table V | Comparison of the state-estimation time on the Robot dataset | 效率统计表 | Section VI-C | PO-VINS平均16.2 ms，较LE-VINS（24.2 ms）提速33.1%，直接支撑摘要中的效率主张 | 5 |\n| Table VI | ATEs and the state-estimation time on the Robot dataset with different configurations | 消融实验表 | Section VI-D | 三项技术独立贡献：去外点剔除后平均ATE由1.12 m升至1.43 m（+21.7%）；direct LDM更慢（20.9 ms）且更不准（1.52 m）；去depth-only optimization耗时升至19.8 ms | 5 |\n| Table VII | Processing time and ATEs on the real-time experiments | 实时性能表 | Section VI-E | Xavier机载平台后端时间由106.5 ms降至46.5 ms（-56.3%），ATE同步更优（1.85 m vs 2.51 m） | 5 |\n| Table VIII | Total running time and equivalent FPS on the real-time experiments | 实时性能表 | Section VI-E | 总运行时间降28.2%/26.5%，等效FPS提升39.2%/36.1%，验证机载实时性主张 | 4 |\n\n### 1.2 插图索引\n\n| 编号 | 标题（原文） | 类型 | 位置 | 支持的结论 | 评分(1–5) |\n|---|---|---|---|---|---|\n| Fig. 1 | System overview of the proposed PO-VINS | 系统架构图 | Section III | INS-centric处理框架：INS机械编排→特征跟踪→LiDAR深度关联→FGO→状态反馈的完整数据流 | 5 |\n| Fig. 2 | Illustration of the multiview geometry | 方法示意图 | Section IV-A | 锚定帧F_s/F_η与路标p^w的几何关系，是pose-only约束式(8)的几何来源 | 4 |\n| Fig. 3 | Relationship between the standard deviation of depth σ_d and the parallax parameter θ | 分析验证图（真实数据） | Section IV-B | 式(13)解析深度不确定度符合双视几何理论：视差越大σ_d越小、深度越大σ_d越大；σ_d可达分米级，解释LiDAR增强价值 | 4 |\n| Fig. 4 | Illustration of the LiDAR-depth outliers and inliers | 概念示意图 | Section IV-C | 外点产生机理：树边缘遮挡导致视觉点在树上而LiDAR点在墙上 | 3 |\n| Fig. 5 | Impact of the outlier culling method (a) without (b) with | 定性结果图 | Section IV-C | 所提外点剔除在非结构化树叶区域（大红框）显著减少错误深度关联（绿框减少），地面/墙面结果不变 | 3 |\n| Fig. 6 | FGO framework of the proposed PO-VINS | 因子图结构图 | Section V-A | 两状态/三状态pose-only VRM、MSC-based LDM（压缩单路标全部观测+LiDAR深度为一个因子）与IMU预积分因子的连接方式 | 5 |\n| Fig. 7 | Equipment setup in the Robot dataset | 硬件平台图 | Section VI-A | 硬件触发同步（GNSS接收机驱动）、Xavier机载采集平台，支撑实时实验可信度 | 3 |\n| Fig. 8 | Position errors on the Robot-Exp-5 sequence | 定量误差曲线 | Section VI-B.1 | LE-VINS/PO-VINS的z轴漂移小于其他LVINS；PO-VINS在x/y轴亦表现更优 | 3 |\n| Fig. 9 | Comparison of the RTEs over 25 m (a) Robot-Exp-2 (b) Robot-Exp-7 | 定量误差曲线 | Section VI-B.1 | pose-only与常规VINS短时一致性相当（RTE曲线接近）；LiDAR增强改善RTE | 4 |\n| Fig. 10 | Trajectories on the R3LIVE-hkust-campus01 sequence (a)(b)(c) | 轨迹对比图 | Section VI-B.2 | PO-VINS终点误差2.43 m优于LE-VINS 3.03 m；R2LIVE高度异常（青色框）说明其地图匹配的局限 | 3 |\n| Fig. 11 | Trajectories on the FusionPortableV2-campus00 sequence (a)(b)(c) | 轨迹对比图 | Section VI-B.3 | PO-VINS轨迹最贴合真值、终点最近，验证高速场景优势 | 3 |\n| Fig. 12 | Trajectories on the real-time experiments (a) Seq-1 (b) Seq-2 | 轨迹对比图 | Section VI-E | 机载Xavier上大规模序列（2012 s/2565 m与1162 s/1462 m）实时运行且精度更优 | 3 |\n\n## 2. 优先深度解读（Top-priority deep reads，按优先级排序）\n\n1. **Fig. 6 + 式(16)–(17)（FGO框架与状态向量）**：PO-VINS方法核心。需对照式(16)确认状态向量仅含IMU位姿/速度/零偏/时延与外参、不含路标参数；理解两状态VRM（F_j=F_η时）与三状态VRM（观测数>3时）的触发条件，以及MSC-based LDM如何将单路标全部视觉观测与LiDAR深度经左零空间投影（式(27)–(29)）压缩为单一因子。这是理解“pose-only”全部主张的钥匙。\n2. **Table VI（消融实验）**：唯一将三项贡献（不确定度外点剔除、MSC-based LDM、depth-only optimization）逐一剥离验证的表格。关键发现：direct LDM配置同时更慢（20.9 ms vs 16.2 ms）且更不准（1.52 m vs 1.12 m），是MSC设计必要性的最直接证据；外点剔除贡献21.7%的精度提升且几乎零耗时（约0.2 ms）。\n3. **Table II + Table V（精度-效率联合评估）**：Robot数据集上“精度不降、效率提升33.1%”的双重主张分别由这两张表支撑。交叉核对Average行（1.12 m / 16.2 ms）与摘要声明一致；注意PO-VINS-WO与LE-VINS-WO的精度对比（1.34 vs 1.40 m）是“pose-only无损精度”的关键证据。\n4. **Fig. 3 + 式(9)–(13)（解析深度不确定度）**：验证误差传播推导的正确性（σ_d对视差参数θ与深度的单调依赖），并解释LiDAR增强的价值来源——σ_d可达数分米，远大于LiDAR深度噪声设定σ_dr=0.1 m，故LiDAR深度可显著修正视觉深度。\n5. **Table VII + Table VIII（机载ARM实时性）**：效率主张在资源受限平台的最终验证。注意后端FGO每约0.3 s（关键帧间隔）执行一次，故46.5 ms后端耗时可被吸收；结合正文统计（CPU占用约14%、内存250 MB、系统延迟约72 ms）评估部署可行性。\n\n## 3. 图表关系与实验设置图\n\n``n传感器输入 (Fig. 7: 相机 + MEMS-IMU + 固态LiDAR, 硬件触发同步)\n        │\n        ▼\n┌────────────────────────────────────────────────────┐\n│ 前端 (Fig. 1 左/中)                                  │\n│  INS机械编排(高频) → INS先验辅助特征跟踪 → 关键帧选择   │\n│  LiDAR点云去畸变 → 单位球深度关联 → 平面拟合深度        │\n│  └─ 式(5)解析深度 + 式(13)不确定度 → 3σ外点剔除        │\n│     (理论: Fig. 3 / 机理: Fig. 4 / 效果: Fig. 5)      │\n└────────────────────────────────────────────────────┘\n        │ 视觉特征(部分关联LiDAR深度)\n        ▼\n┌────────────────────────────────────────────────────┐\n│ 后端 FGO (Fig. 6, 目标函数式(17))                     │\n│  pose-only VRM (式(21)-(22), 无路标状态)              │\n│  + MSC-based LDM (式(29), 压缩观测)                  │\n│  + IMU预积分 (式(18)) + 边缘化先验                    │\n└────────────────────────────────────────────────────┘\n        │ 更新状态\n        ▼\n深度估计(depth-only优化, 式(25)(26)) → 视觉特征外点剔除 → 反馈INS\n        │\n        ▼\n实验验证链：\n  精度:  Table II (Robot) → Table III (R3LIVE手持) → Table IV (FusionPortableV2车辆)\n         辅以 Fig. 8 (误差曲线) / Fig. 10, 11 (轨迹对比)\n  鲁棒性: Fig. 9 (RTE短时一致性) + Table VI (消融)\n  效率:  Table V (笔记本i7) → Table VII/VIII (Xavier机载) + Fig. 12 (实时轨迹)\n``n\n**图表间依赖关系**：Fig. 2是式(1)–(8)的几何基础；Fig. 3验证式(13)的推导；Fig. 4/5分别是式(14)–(15)外点剔除的动机说明与定性效果；Fig. 6是式(17)优化问题的可视化；Table VI以Table II中“Proposed PO-VINS”列为基准配置；Table VII/VIII的测试序列由Fig. 7所示同一机器人平台采集（Fig. 12）。\n\n## 4. 图表到结论的映射\n\n| 论文核心结论 | 支撑图表 | 关键证据（定位） |\n|---|---|---|\n| 结论1：pose-only方案在紧耦合实时VISE中不损失精度 | Table II/III/IV（WO列对比）、Fig. 9 | PO-VINS-WO平均ATE 1.34 m ≈ LE-VINS-WO 1.40 m（Table II Average行）；RTE曲线几乎重合（Fig. 9） |\n| 结论2：状态估计效率提升33%（笔记本）/56%（机载） | Table V、Table VII、Table VIII | 16.2 ms vs 24.2 ms（Table V Average行）；后端46.5 ms vs 106.5 ms（Table VII）；FPS +39.2%/+36.1%（Table VIII） |\n| 结论3：基于不确定度的LiDAR深度外点剔除有效 | Fig. 3、Fig. 4、Fig. 5、Table VI第1列 | 去掉外点剔除后平均ATE由1.12 m升至1.43 m（+21.7%）（Table VI）；Fig. 5(b)树叶区域绿框显著减少 |\n| 结论4：MSC-based LDM兼顾效率与鲁棒性 | Fig. 6、Table VI第2列 | direct LDM配置ATE 1.52 m、耗时20.9 ms，均劣于PO-VINS的1.12 m/16.2 ms（Table VI） |\n| 结论5：轻量LiDAR增强（无LO）提升精度与鲁棒性 | Table II/III/IV（WO vs 完整版）、Fig. 8、Fig. 10、Fig. 11 | Robot上精度+16.4%（Table II）；highway00上PO-VINS 9.27 m为唯一成功且最优（Table IV） |\n| 结论6：机载ARM平台实时可用 | Fig. 7、Fig. 12、Table VII、Table VIII | Xavier上CPU约14%、内存250 MB、延迟约72 ms（Section VI-E正文）；两序列实时完成且ATE更优 |\n| 结论7：解析深度不确定度推导正确且有意义 | Fig. 3、式(13) | σ_d随θ增大而减小、随深度增大而增大，符合双视几何理论（Section IV-B）；σ_d达分米级远大于LiDAR噪声0.1 m |\n\n**评分说明**：5 = 核心主张的直接定量证据，必读；4 = 重要支撑或独立验证；3 = 辅助理解或定性证据。"
}