H-RINS: 基于平滑与映射的层次化紧耦合雷达-惯性导航

毫米波雷达在视觉受损环境中提供稳健的感知能力。然而, 雷达-惯性状态估计本质上易受漂移影响。由于雷达仅提供稀疏的机体速度测量, 其对绝对姿态约束较弱, 导致 IMU 漂移偏差在典型滑动窗口滤波器的短时间尺度内难以辨识。为解决这一根本性可观测性挑战, 本文提出一种紧耦合、层次化雷达-惯性因子图框架。该架构将估计问题分解为高速重置图和持久全局图。重置图融合 IMU 前向积分、雷达速度和自适应零位速度更新(ZUPT), 生成用于实时控制的光滑、低延迟 odometry。同时, 持久图是维护姿态、速度和偏置完整信息的全状态因子图, 通过融合惯性数据与基于关键帧的几何映射和闭环来实现。利用递增平滑与映射, 持久图可无需显式边缘化变量地运行, 在保持信息的同时确保长期偏置可观测性。本方法的核心是一种概率性紧耦合机制: 从持久图持续注入到重置图先验中的全可观测、优化后的偏置及其精确协方差, 从而有效地将高速估计器锚定在积分漂移之上。广泛的评估表明, 本系统在 27 倍实时执行速度下实现高精度, 且漂移减小。我们将在论文接受后发布实现代码和数据集。