原始 GNSS 感知与 IMU 及激光雷达的因子图融合用于无基站的精确机器人定位

精确的定位是机器人导航系统的核心组成部分。为此，全球导航卫星系统（GNSS）可在户外提供绝对测量，从而消除长期漂移。然而，将 GNSS 数据与其他传感器数据融合并非易事，尤其是当机器人在有天空视野和无天空视野的区域之间移动时。我们提出了一种鲁棒方法，将原始 GNSS 接收机数据与惯性测量以及可选的激光雷达观测紧密融合，以实现精确且平滑的移动机器人定位。我们提出了一种带两类 GNSS 因子的因子图。第一类是基于伪距的因子，可在地球上实现全局定位。第二类是基于载波相位的因子，可实现高精度的相对定位，这在其他传感模态受限时非常有用。与传统差分 GNSS 不同，该方法不需要连接基站。在一个公开的城市驾驶数据集上，尽管我们的方法未使用相机，仅使用惯性和 GNSS 数据，但其精度可与融合视觉惯性里程计与 GNSS 数据的先进算法相媲美。我们还利用来自汽车和四足机器人在森林等低天空可见度环境中移动的数据展示了方法的鲁棒性。在全球地球坐标系中的精度仍达 1-2 m，且估计轨迹无间断且平滑。我们还展示了激光雷达测量如何被紧密集成。我们认为这是首个在因子图中融合原始 GNSS 观测（而非定位解）与激光雷达的系统。