面向耕作的 GNSS-立体-惯性 SLAM
机器人学
2023-07-25 v1
摘要
农业任务自动化的加速推进对田间机器人提出了极高精度与鲁棒性的定位系统需求。同步定位与建图（SLAM）方法在探索性轨迹上不可避免地累积漂移，主要依赖地点重访与回环闭合来保持有界的全局定位误差。回环闭合技术在农田中极具挑战性，因为不同视角下的局部视觉外观非常相似，且易因天气影响而改变。实践中一种合适的替代方案是将全球传感器定位系统与其余机器人传感器联合使用。在本文中，我们提出并实现了用于定位的全球导航卫星系统（GNSS）、立体视觉与惯性测量的融合。具体而言，我们以紧耦合方式将 GNSS 测量值纳入立体-惯性 ORB-SLAM3 流程。我们在 Rosario 数据集（由自主机器人在大豆田中记录）的序列以及我们自有的内部数据中彻底评估了我们的实现。我们的数据包含来自常规 GNSS 的测量值，而这在最先进方法的评估中很少被纳入。我们刻画了 GNSS-立体-惯性 SLAM 在该应用案例中的性能，报告称相较于视觉-惯性与松耦合 GNSS-立体-惯性基线，位姿误差降低了 10% 至 30%。除该分析外，我们还开源发布了我们实现的代码。
引用
@article{arxiv.2307.12836,
title = {GNSS-stereo-inertial SLAM for arable farming},
author = {Javier Cremona and Javier Civera and Ernesto Kofman and Taihú Pire},
journal= {arXiv preprint arXiv:2307.12836},
year = {2023}
}
备注
This paper has been accepted for publication in Journal of Field Robotics, 2023