LIO-GVM：一种基于高斯体素地图的精确紧耦合激光雷达-惯性里程计
机器人学
2024-05-08 v3
摘要
本文提出了一种精确且鲁棒的激光雷达惯性里程计框架。我们利用紧耦合迭代误差状态卡尔曼滤波器融合激光雷达扫描与IMU数据，以实现鲁棒且快速的定位。为实现鲁棒的对应匹配，我们将点表示为一组高斯分布，并评估方差的发散以进行外点剔除。基于拟合的分布，我们为基于滤波器的激光雷达惯性里程计提出了一种新的残差度量，其改进在于从单纯量化距离扩展到纳入方差差异，进一步丰富了残差度量的全面性与准确性。得益于残差度量的策略性设计，我们提出了一种简洁而有效的仅体素建图方案，其仅需为每个体素维护一个质心和一个协方差矩阵。在不同数据集上的实验证明了我们的框架对于多种数据输入与环境具有鲁棒性与精确性。为惠及机器人学界，我们在 https://github.com/Ji1Xingyu/lio_gvm 开源了代码。
引用
@article{arxiv.2306.17436,
title = {LIO-GVM: an Accurate, Tightly-Coupled Lidar-Inertial Odometry with Gaussian Voxel Map},
author = {Xingyu Ji and Shenghai Yuan and Pengyu Yin and Lihua Xie},
journal= {arXiv preprint arXiv:2306.17436},
year = {2024}
}