1. 待测试：
1.1 Lidar 里程计：
1）基于LOAM框架；
2）去地面；
3）edge特征替换为beam和pillar；
4）surf特征替换为facade和roof。
1.2 Lidar-IMU 里程计
1）基于FAST LIO框架；
2）去地面，运动补偿；
3）使用beam，pillar，facade，roof特征点
2. 测试方法：
以GNSS惯导数据作为Ground truth。
两种场景：1）隧道。2）城市；3）匝道+高架路；
两种方法：1）使用点云帧头尾两帧附近的IMU数据插值做运动补偿；2）使用点云帧各个点时间戳附近的IMU数据去畸变。
去除地面和动态车辆。
对比轨迹精度（APE/RPE）。
比较建图效果。
3. 测试数据：
匝道+高架rosbag，点云+imu数据。没有记录IMU数据
高架rosbag，点云+imu数据。没有记录IMU数据
城市场景，十字路口。点云+imu数据。
隧道rosbag，点云+imu数据。
4. 隧道场景（11.30）
https://printeger.github.io/posts/Tunnel-Mapping/
5. 城市场景（12.01）
5.1 MAP OVERVIEW
| MAP OVERVIEW | |
|---|---|
| LO |  |
| LIO |  |
| 结论 | 1. 纯点云里程计的建图效果优于FAST LIO2建图效果。 |
5.2 Trajectory
| Trajectory | XYZ | RPY | |
|---|---|---|---|
| LO |  |  |  |
| LIO |  |  |  |
| 结论 | 1. LIO轨迹偏离GT较大 z轴上由于有IMU的约束， 没有产生较大漂移 | 2. 纯点云里程计的轨迹xy轴方向精度较高 z轴方向有较大漂移 | 3. 旋转上LIO效果更佳 |
5.3 RPE/APE
| RPE | RPE MAP | APE | APE MAP | |
|---|---|---|---|---|
| LO | RPE: max 0.305850 mean 0.066740 median 0.055630 min 0.002091 rmse 0.081193 sse 10.732192 std 0.046239 |  | APE: max 11.688266 mean 7.092213 median 7.235089 min 0.000000 rmse 7.935915 sse 102592.372368 std 3.560795 |  |
| LIO | RPE： max 0.532363 mean 0.070702 median 0.064539 min 0.001052 rmse 0.088508 sse 12.721818 std 0.053243 |  | APE： max 20.612795 mean 10.268830 median 10.326422 min 0.077964 rmse 11.584797 sse 218087.226911 std 5.362709 |  |
| 结论 | 从相对轨迹误差(RPE)分析： | 1）纯雷达里程计的精度略优于改进的FAST LIO2 2）两者所估计的帧间相对运动精度在10cm内 | 从绝对轨迹误差(APE)分析： | 1）Lidar里程计的误差主要来源于z轴上的误差； 2）LIdar+IMU里程计的误差主要来源于水平方向的位置漂移。 |
6. 匝道 + 高架场景（12.02）
- 没有IMU信息
6.1 MAP OVERVIEW
| MAP OVERVIEW | |
|---|---|
| LO(有地面约束) |  白色：惯导叠帧建图；绿色：地面/立面/柱面作为特征建图；红色：立面/柱面作为特征建图 |
| LO(无地面约束) |  俯视图 |
| 结论 | 1)纯Lidar里程计的建图z轴漂移较大。 2)加入地面约束能够有效约束z轴漂移。 3)水平方向上运动较准确。 |
6.2 Trajectory
| Trajectory | XYZ | RPY | |
|---|---|---|---|
| LO(有地面约束) |  |  |  |
| LO(无地面约束) |  |  |  |
| 结论 | ——————— | 加入地面约束能够有效约束z轴漂移 | ——————— |
6.3 RPE/APE
| RPE | RPE MAP | APE | APE MAP | |
|---|---|---|---|---|
| LO(有地面约束) | RPE: max 0.969155 mean 0.118898 median 0.072171 min 0.009524 rmse 0.159581 sse 15.228651 std 0.106439 |  | APE: max 16.723373 mean 8.182793 median 8.412561 min 0.000000 rmse 9.414864 sse 53095.156373 std 4.656347 |  |
| LO(无地面约束) | RPE: max 0.680570 mean 0.129895 median 0.092094 min 0.006708 rmse 0.168222 sse 16.922574 std 0.106892 |  | APE: max 36.819789 mean 15.548464 median 15.535765 min 0.000000 rmse 18.956620 sse 215252.705330 std 10.844294 |  |
| 结论 | 从相对轨迹误差(RPE)分析： | 帧间位姿平均误差大概在10cm左右。 | 从绝对轨迹误差(APE)分析： | 1）误差随着距离的增加累计。 2）误差主要出现在高程 |
7. 资源消耗
FAST LIO： CPU core：65%
RES：512 M
滤波：20ms
LOAM：CPU core：300%
RES：500 M
优化：40 ms