AKF-LIO：基于自适应卡尔曼滤波与高斯地图的激光雷达-惯性里程计
机器人学
2025-08-01 v2
摘要
现有的激光雷达-惯性里程计（LIO）系统在状态估计期间通常使用特定于传感器或依赖于环境的测量协方差，导致繁琐的参数调整以及在恶劣条件（例如，传感器退化和噪声观测）下性能欠佳。因此，我们提出了一种自适应卡尔曼滤波（AKF）框架，该框架动态估计LiDAR和惯性测量单元（IMU）测量的时变噪声协方差，实现了传感器之间上下文感知的置信度加权。在LiDAR退化期间，系统优先处理IMU数据，同时抑制来自运动物体或噪声点云等不可靠输入的贡献。此外，引入了一种紧凑的基于高斯的地图表示来建模环境平面性和空间噪声。相关配准策略通过伪合并确保准确的平面法线估计，即使在森林等非结构化环境中也是如此。大量实验验证了所提出系统在不同环境中的鲁棒性，包括动态场景和几何退化场景。我们的方法在所有MARS-LVIG序列上实现了可靠的定位结果，并在KITTI Odometry Benchmark上排名第8。代码将发布于 https://github.com/xpxie/AKF-LIO.git。
引用
@article{arxiv.2503.06891,
title = {AKF-LIO: LiDAR-Inertial Odometry with Gaussian Map by Adaptive Kalman Filter},
author = {Xupeng Xie and Ruoyu Geng and Jun Ma and Boyu Zhou},
journal= {arXiv preprint arXiv:2503.06891},
year = {2025}
}
备注
Submitted to IROS 2025 Conference, https://github.com/xpxie/AKF-LIO.git