基于OpenStreetMap的自适应电动LiDAR扫描控制以提升定位鲁棒性
机器人学
2025-09-16 v1
摘要
LiDAR到OpenStreetMap(OSM)的定位越来越受关注，因为OSM提供了建筑轮廓等轻量级全局先验信息。这些先验信息增强了机器人导航的全局一致性，但OSM常常不完整或已过时，限制了其在实际部署中的可靠性。与此同时，LiDAR本身受限于视场(FoV)，常用电动旋转方式实现全景覆盖。现有的电动LiDAR系统通常采用恒定速度扫描，忽视场景结构和地图先验，导致在特征稀疏区域浪费资源并降低定位精度。为此，我们提出了结合OSM引导的自适应LiDAR扫描框架，将全局先验与局部可观测性预测相结合，以提高定位鲁棒性。具体而言，我们将不确定性感知模型预测控制(MPC)增强为融合OSM感知项的控制器，根据场景相关的可观测性和OSM特征的空间分布自适应分配扫描资源。该方法在ROS平台上实现，采用电动LiDAR里程计作为底层，并在仿真和实际实验中进行评估。结果表明，在校园道路、室内走廊和城市环境中，与恒定速度基准相比，显著降低了轨迹误差，同时保持了扫描完整性。这些发现凸显了将开源地图与自适应LiDAR扫描相结合以实现复杂环境中稳健且高效定位的潜力。
引用
@article{arxiv.2509.11742,
title = {Adaptive Motorized LiDAR Scanning Control for Robust Localization with OpenStreetMap},
author = {Jianping Li and Kaisong Zhu and Zhongyuan Liu and Rui Jin and Xinhang Xu and Pengfei Wan and Lihua Xie},
journal= {arXiv preprint arXiv:2509.11742},
year = {2025}
}