LiDAR Odometry Survey: Recent Advancements and Remaining Challenges

里程计对于机器人导航至关重要，特别是在全球定位系统（GPS）等全球定位方法无法使用的情况下。里程计的主要目标是预测机器人的运动并准确确定其当前位置。在机器人领域中，使用各种传感器进行里程计，例如轮子编码器、惯性测量单元（IMU）、相机、雷达和光探测与测距（LiDAR）。尤其是 LiDAR，因其提供丰富的三维（3D）数据和对光线变化的免疫力而受到关注。本文旨在全面研究 LiDAR 里程计的进展。我们首先探讨 LiDAR 技术，然后仔细研究 LiDAR 里程计工作，并根据其传感器集成方法对其进行分类。这些方法包括仅依赖于 LiDAR 的方法，将 LiDAR 与 IMU 结合的方法，涉及多个 LiDAR 的策略以及将 LiDAR 与其他传感器模式融合的方法。最后，我们讨论现有的挑战并概述 LiDAR 里程计的潜在未来方向。此外，我们还分析了公共数据集和 LiDAR 里程计的评估方法。据我们所知，本文是第一篇全面探讨 LiDAR 里程计的综述。

本论文旨在全面探讨基于LiDAR的里程计在机器人导航中的应用，并分类总结相关研究，同时探讨现有挑战和未来方向。

本论文的关键思路是对基于LiDAR的里程计进行分类，包括仅依赖LiDAR、结合IMU、多个LiDAR和融合其他传感器模态的方法，并探讨它们的优缺点。

本论文分析了公共数据集和LiDAR里程计的评估方法，提供了一个全面的调查结果。此外，本论文还提出了未来的研究方向，并分析了哪些工作值得进一步深入研究。

近期的相关研究包括：《A Survey of Deep Learning for LiDAR Processing》、《LiDAR-based Road Detection and Tracking: A Survey》、《A Survey of LiDAR-based Autonomous Navigation》等。