面向几何结构复杂环境的抗退化 Teach and Repeat：基于 FMCW Lidar
机器人学
2026-03-12 v1
摘要
Teach and Repeat (T&R) 基于测图的导航使机器人能够在不依赖GPS的前提下自主重复以前遍历过的路径，特别适用于地下矿山和月球导航等GPS被剥离的环境。现有的T&R系统通常依赖基于迭代最近点 (ICP) 的估计；然而，在地理退化且结构稀疏的环境中，ICP常常出现条件不成立，导致定位性能下降和不可靠的导航表现。为此，我们提出一种抗退化的频率调制连续波 (FMCW) lidar T&R导航系统，包括基于多普勒速度的里程计和抗退化感知的点云到地图定位。凭借FMCW lidar，其可通过多普勒效应提供每个点的径向速度测量，我们将一种几何无关、无需配对的运动估计算法扩展到包括原则性的姿态不确定性估计，该估计在退化环境下保持稳定。我们进一步提出一种抗退化定位方法，融合每个点的曲率以实现更好的数据关联，并将平移和旋转尺度统一，以实现一致的退化检测。跨三个结构丰富度不同的环境的闭环实验表明，所提系统可靠地完成了自主导航，包括在一座结构极具挑战性的平坦机场测试场中，传统ICP-based系统会失败的场景。
引用
@article{arxiv.2603.10248,
title = {Degeneracy-Resilient Teach and Repeat for Geometrically Challenging Environments Using FMCW Lidar},
author = {Katya M. Papais and Wenda Zhao and Timothy D. Barfoot},
journal= {arXiv preprint arXiv:2603.10248},
year = {2026}
}