基于凹像增强体素图的鲁棒LiDAR-惯性里程计
机器人学
2026-04-17 v1
摘要
可靠的里程计对于移动机器人至关重要，因为它们正越来越多地进入更具挑战性的环境，这些环境常包含难以约束点云配准的信息，导致LiDAR-惯性里程计(LIO)精度下降甚至发散。为此，我们提出BIEVR-LIO方法，专为利用可用几何的细微变化以提高鲁棒性而设计。我们提出了一种高分辨率地图表示方法，将表面存储为紧凑的体素级有向高度图像。该表示可直接用于配准，而无需计算中间几何原语，同时支持高效更新。由于信息丰富的几何常在环境中稀疏分布，我们进一步提出一种基于地图的信息点抽样策略，以聚焦于几何信息丰富的区域进行配准，在信息不足的环境中提高鲁棒性，同时比全局高分辨率抽样降低计算成本。实验在多个传感器、平台和环境中进行，展示了在受约束场景下的领先性能以及在基线方法发散的挑战性场景中的显著改进。此外，我们展示BIEVR-LIO捕获的细粒度几何可用于下游任务，如用于机器人运动的地形图生成。
关键词
引用
@article{arxiv.2604.14421,
title = {BIEVR-LIO: Robust LiDAR-Inertial Odometry through Bump-Image-Enhanced Voxel Maps},
author = {Patrick Pfreundschuh and Turcan Tuna and Cedric Le Gentil and Roland Siegwart and Cesar Cadena and Helen Oleynikova},
journal= {arXiv preprint arXiv:2604.14421},
year = {2026}
}