用于城市与森林中多旋翼导航的鲁棒气压-雷达-惯性里程计 m-估计器

搜救任务需要移动机器人在非结构化的室内外环境中导航。特别是，主动稳定的多旋翼无人机需要精确的运动数据来保持平衡和避开障碍物。将机载雷达的径向速度与 MEMS 惯性传感相结合，已被证明能够提供鲁棒、轻量且一致的状态估计，即使在视觉或几何条件退化的环境中也是如此。统计检验使这些估计器能够抵御雷达离群值。然而，现有采用二元离群值滤波器的工作缺乏对不同硬件配置和环境的适应性。其他工作主要在手持静态环境或汽车场景中进行了测试。本工作提出了一种用于典型 GNSS 拒止场景下四旋翼飞行的鲁棒气压-雷达-惯性里程计（BRIO）m-估计器。在城市和森林中的大量真实闭环飞行实验证明了其对运动目标和幽灵目标的鲁棒性，在行进距离上保持了 0.5% 至 3.2% 的一致性漂移。公开数据集上的基准测试验证了系统的泛化能力。代码、数据集和视频可在 https://github.com/ethz-asl/rio 获取。