面向 LiDAR-惯性里程计的去消除感知 LODESTAR
机器人学
2025-11-13 v1
摘要
LiDAR-惯性里程计 (LIO) 因其高精度而在机器人领域广泛应用。然而，在长走廊和高空飞行等退化环境中，LiDAR 测量不平衡或稀疏，导致状态估计欠定。为此，本文提出 LODESTAR，一款新型 LIO 方法，通过两个关键模块解决这些退化问题：去消除感知自适应 Schmidt-Kalman 滤波器 (DA-ASKF) 与去消除感知数据利用 (DA-DE)。DA-ASKF 采用滑动窗口利用过去状态与测量作为额外约束。具体而言，它引入去消除感知滑动模式，依据退化程度自适应将状态分类为活跃或固定状态。采用 Schmidt-Kalman 更新，仅优化活跃状态，同时保持固定状态。这些固定状态通过其协方差影响活跃状态的更新，充当参考锚点——类似明星。此外，DA-DE 根据局部性贡献和雅可比矩阵条件数，从活跃状态中剪枝较少信息的测量，并针对固定状态选择性地利用测量。因此，DA-ASKF 实现去消除感知受约束优化，缓解测量稀疏性，而 DA-DE 解决测量不平衡问题。实验结果表明，LODESTAR 在各种退化条件下均优于现有 LiDAR 基于里程计方法和去消除感知模块，在精度和鲁棒性方面表现更佳。
引用
@article{arxiv.2511.09142,
title = {LODESTAR: Degeneracy-Aware LiDAR-Inertial Odometry with Adaptive Schmidt-Kalman Filter and Data Exploitation},
author = {Eungchang Mason Lee and Kevin Christiansen Marsim and Hyun Myung},
journal= {arXiv preprint arXiv:2511.09142},
year = {2025}
}
备注
8 pages, 5 figures, 6 tables, accepted for the publication in IEEE Robotics and Automation Letters