文章：R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package
作者：Jiarong Lin and Fu Zhang
编译：点云PCL
代码：https://github.com/hku-mars/r3live.git
来源：arXiv 2021
摘要
在这篇文章中作者提出了一种新的激光雷达惯导视觉传感器融合框架R3LIVE，该框架利用激光雷达、惯导和视觉传感器的测量来实现鲁棒和准确的状态估计。R3LIVE包含两个子系统，即激光雷达惯性里程计（LIO）和视觉惯性里程计（VIO）,LIO子系统（FASTLIO）利用激光雷达和惯导传感器的测量结果，构建全局地图的几何结构（即3D点的位置）,VIO子系统利用视觉惯导传感器的数据并渲染地图的纹理（即3D点的颜色）,更具体地说，VIO子系统通过最小化帧到贴图的光度误差，直接有效地融合视觉数据。所开发的系统R3LIVE是在我们之前的工作R2LIVE的基础上开发的，经过仔细的架构设计和实现。实验结果表明，与目前的同类系统相比，该系统在状态估计方面具有更强的鲁棒性和更高的准确性。
3D应用领域
R3LIVE是一个面向各种可能应用的多功能、精心设计的系统，它不仅可以作为实时机器人应用的SLAM系统，还可以为测绘等应用稠密重建、精确、RGB贴图的3D点云地图。此外，为了使R3LIVE更具可扩展性，我们开发了一系列用于重建和纹理网格的离线实用程序，这进一步缩小了R3LIVE与各种3D应用程序（如模拟器、视频游戏等）之间的差距。为了分享我们的发现并为社区做出贡献，我们在Github3上开放源代码R3LIVE：https://github.com/hku-mars/r3live.git
图1 R3LIVE 流程概述
视频演示：http://mpvideo.qpic.cn/0bc3x4aceaaanqaiidm4tvrfbp6dek7qaiqa.f10002.mp4
