论文阅读《Globally Consistent and Tightly Coupled 3D LiDAR Inertial Mapping》
文章采用了GPU加速的trick，本质上还是描述的LI-SLAM,里程计基于关键帧进行固定滞后平滑优化，然后在全局建图模块再一次进行因子图的优化。时间上通过GPU加速体素格GICP因子和IMU预积分因子的计算以及融合。
《Globally Consistent and Tightly Coupled 3D LiDAR Inertial Mapping》(ICRA 2022)
Motivation:
Lidar和IMU的结合是比较重要的，并且目前发展的也相对比较成熟。但是问题在于，目前Lidar和IMU的紧耦合主要集中在前端里程计，基本没有涉及到后端全局优化以及建图的融合。作者认为是因为后段全局优化通常采用的是图优化，并且图优化的先验位姿通常是前端的相对位姿，所以导致了后端优化的时候通常IMU和LIDAR是分离的，通常只优化LIDAR。所以作者就想到设计一个在所有阶段(前端里程计+后端全局优化和建图)，IMU和LIDAR都紧耦合的SLAM系统。
Contribution:
1.文章使用的是基于体素化的 GICP 匹配成本因子，与常用的基于线和平面点匹配的扫描匹配相比，它使用更多的点来计算配准误差。这可以在充分利用 GPU 并行处理的同时实现对传感器姿态的准确和稳健的约束。
2.紧密耦合的里程计估计模块采用基于关键帧的固定滞后平滑方法，该方法可以实现具有有限计算成本的低漂移轨迹估计。
3.后端同样采用了紧密耦合的方法。后端在 IMU 因子的支持下构建了一个密集连接的匹配成本因子图，并表现出出色的准确性。它还引入了子图端点的概念，以
