摘要
紧耦合的激光雷达-视觉-惯性同时定位与建图（SLAM）系统在弱纹理条件下、动态光照、几何退化、多传感器时间异步以及长期运行时，容易受到观测畸变、状态弱可观测性和累积漂移的影响。针对这些问题，我们提出了一种时空一致性增强方法。该方法基于FAST-LIVO2的顺序更新误差状态迭代卡尔曼滤波（ESIKF）框架构建。首先，以惯性测量单元（IMU）时钟作为统一参考，在线联合估计激光雷达-IMU与相机-IMU的时间偏移，并将估计结果反馈至点云运动补偿和图像重投影。其次，通过联合参数化暗角效应、曝光时间和相机响应函数，将像素强度逆映射为场景辐照度，同时引入尺度归一化和物理可行性约束以提高光度参数的可辨识性。第三，基于尺度归一化海森矩阵的频谱建立激光雷达健康度指标，并在运动处于稳态且新息通过门限检验的情况下，引入方向选择性的运动学虚拟观测以应对退化。最后，利用环形扇区描述子、旋转不变匹配和点云几何验证生成低频闭环约束，同时采用小残差门限和渐进修正策略以减轻对ESIKF小误差假设的违反。实验结果表明，所提方法在自建视觉和几何退化数据集上实现了0.379 m的总体均方根误差；在建筑走廊闭环序列上，平均绝对轨迹误差从FAST-LIVO2的0.188 m降低至0.080 m；在统一消融实验中，完整系统的平均均方根误差从FAST-LIVO2的0.153 m降至0.117 m，降幅达23.5%。这些结果表明，所提增强模块在提升多源观测一致性、退化鲁棒性和长期漂移抑制方面具有互补性。
