面向 Range-Azimuth-Elevation 传感器的 SE(3) 噪声模型

配准匹配是状态估计中广泛使用的方法。点云对齐——最流行的配准匹配方法之一——是一个加权最小二乘问题，其中权重由测量点的逆协方差确定。对协方差的不准确表示会影响最小二乘问题的权重。例如，如果使用椭球协方差边界来近似许多扫描传感器呈现的曲线、“香蕉形”噪声特征，则最小二乘问题的权重可能过于自信。此外，传感器至车辆的外在不确定性以及在子图形成期间的里程计不确定性是两个常被忽视的不确定性来源，也可能导致配准估计的过度自信。本文通过在矩阵 Lie 群上开发 Range-Azimuth-Elevation 传感器的模型来解决上述问题。该模型允许 seamless 集成外在不确定性和里程计不确定性。分别展示了用于仿真示例和实际点云子图的 underwater 激光扫描仪收集数据的说明性结果。