# FAST-LIO大场景姿态漂移致IMU加速度偏置异常(2-5m/s²)

> 原文链接：https://robotics.hellobike.com/pitfalls/2023-01-01-fast-lio-66
> 频道：pitfalls | 更新日期：2023-01-01 | 标签：auto, github-issue, fast_lio
> 核心摘要：FAST-LIO在4-5km无回环场景下姿态漂移导致ba漂移，维护者建议集成FAST-LIO_SLAM等回环检测后端解决。

# FAST-LIO大场景姿态漂移致IMU加速度偏置异常(2-5m/s²)

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Large scale scene attitude drift lead to IMU acceleration bias drift.](https://github.com/hku-mars/FAST_LIO/issues/66)（GitHub hku-mars/FAST_LIO #66）

**状态**：有绕过办法

## 问题

在城市4-5km无重复路径的大尺度场景中运行FAST-LIO，出现Roll/Pitch漂移15°~20°，根据公式(3)导致IMU加速度偏置(ba)漂移达2-5m/s²。用户质疑重力观测为何无法约束姿态，询问除回环检测外是否有纯算法约束方案。

## 环境

算法：FAST-LIO；场景：城市级4-5km无重复路径大尺度环境；问题指标：Roll/Pitch漂移15-20deg，ba漂移2-5m/s^2。

## 解决办法

1. 明确FAST-LIO定位为LIO里程计而非完整SLAM系统，原生版本缺乏长期一致性保障，纯LIO在无回环大场景下存在可观测性局限。
2. 集成具备回环检测或位姿图后端的扩展框架（如FAST-LIO_SLAM）以消除累积漂移，这是目前官方推荐的有效解决途径。
3. 确认带Loop Closure的SLAM系统（如LIO-SAM）在闭环触发后可显著降低漂移，当前版本暂无其他纯算法约束手段，需等待后续版本优化。

讨论原作者：@925779599 等，版权归原作者所有。
:::

## 原始参考来源 (Sources)

- [GitHub hku-mars/FAST_LIO #66：Large scale scene attitude drift lead to IMU acceleration bias drift.](https://github.com/hku-mars/FAST_LIO/issues/66)