SLAM与重建总览

把激光视觉 SLAM 系统 (LIVO) 从“实验室可运行”推进到“真实场景可部署、可维护、可复现”，并持续扩展到全局优化与三维重建。

项目状态

FAST-Calib

已完成

快速标定工具链，降低部署门槛。

LIV-Handheld

已完成

模块化的三维数据采集设备。

FAST-LIVO

已完成

方法与工程基线，打通 LiDAR × Vision × IMU 融合主链路。

FAST-LIVO2

已完成

主力系统版本，强调稳、快与工程可用性。

CamVox

已完成

低成本路线参考，激光辅助视觉的 SLAM 系统。

Global-LVBA

已完成

全局一致后端优化，得到像素级位姿精度。

RTK-Fusion

进行中

补全全局绝对参考，RTK 后处理融合方案。

LIV-GaussMap

已完成

为重建的真彩点云赋予光度真实场景表征。

GS-LIVO

已完成

实时生成各向异性的 Gaussian Map 并用于定位。

研究主线

Phase A · 数据采集与标定方案

LIV-Handheld + FAST-Calib：降低采集与标定门槛，提升复现效率。

Phase B · 激光视觉融合定位与建图

FAST-LIVO / FAST-LIVO2：构建实时稳定高精度的 SLAM 系统。

Phase C · 全局一致性增强

Global-LVBA + RTK-Fusion：降低大尺度 long-term 场景的累计误差。

Phase D · 表示与任务扩展

LIV-GaussMap + GS-LIVO：让地图不仅用于定位，也服务于高保真重建与场景表示。

研究资产索引

• 个人主页：https://xuankuzcr.github.io

• FAST-LIVO：https://github.com/hku-mars/FAST-LIVO

• FAST-LIVO2：https://github.com/hku-mars/FAST-LIVO2

• FAST-Calib：https://github.com/hku-mars/FAST-Calib

• Global-LVBA：https://github.com/xuankuzcr/Global-LVBA

• LIV-Handheld：https://github.com/xuankuzcr/LIV_handhold

• CamVox：https://github.com/ISEE-Technology/CamVox

• GS-LIVO：https://github.com/HKUST-Aerial-Robotics/GS-LIVO