轨道车辆上四年多的多模态里程计与建图
机器人学
2023-10-30 v1
摘要
精确、无缝且高效的列车定位以及长期铁路环境监测，是铁路系统迈向可靠性、可用性、可维护性与安全性（RAMS）工程的本质属性。同步定位与建图（SLAM）正是同时解决这两类问题的核心。为此，我们在本文中提出一种高性能且通用的多模态框架，面向各类轨道车辆的里程计与建图任务。我们的系统构建于以惯性为中心的状态估计器之上，其以松耦合方法的便利性与可扩展性，紧密耦合激光雷达（LiDAR）、视觉、可选的卫星导航以及基于地图的定位信息。惯性传感器 IMU 与轮速编码器被视作主传感器，其实现来自子系统的观测以约束加速度计与陀螺仪偏置。相较于仅使用点的激光雷达-惯性方法，我们的方法通过引入轨道平面与电力支柱至状态估计中，利用了更多几何信息。视觉-惯性子系统也通过使用线与点来利用环境结构信息。此外，该方法能够通过自动重配置绕过故障模块来处理传感器失效。我们提出的方法已在四年多的长期铁路环境中广泛测试，涵盖普速、高速与地铁，并考察了客运与货运交通。进一步，我们旨在以开放方式与本社区分享团队的经验、问题及成果，使在此类环境中工作者得以避免这些错误。为此，我们开源了部分数据集以惠及研究社区。
引用
@article{arxiv.2308.11501,
title = {Four years of multi-modal odometry and mapping on the rail vehicles},
author = {Yusheng Wang and Weiwei Song and Yi Zhang and Fei Huang and Zhiyong Tu and Ruoying Li and Shimin Zhang and Yidong Lou},
journal= {arXiv preprint arXiv:2308.11501},
year = {2023}
}