面向四足机器人的鲁棒 LiDAR-视觉-惯性-运动学 Odometry：基于紧耦合高效交替优化的 LVI-Q
机器人学
2025-10-20 v1
摘要
四足机器人在复杂和动态环境中的自主导航依赖于鲁棒的同时定位与地图构建（SLAM）系统，以准确地构建周围环境地图并定位机器人，从而确保安全且高效的运行。虽然先前的基于传感器融合的 SLAM 方法整合了各种传感器模态以提高鲁棒性，但这些算法仍因依赖不合适的融合策略而在挑战性环境中易受估计漂移影响。因此，我们提出一种 robust LiDAR-视觉-惯性-运动学 odometry 系统，集成来自多个传感器的信息，包括相机、LiDAR、惯性测量单元（IMU）和关节编码器，用于视觉和 LiDAR 基于 odometry 的估计。该系统采用融合式姿态估计方法，基于可用测量运行基于优化的视觉-惯性-运动学 odometry（VIKO）和基于滤波的 LiDAR-惯性-运动学 odometry（LIKO）。在 VIKO 中，我们利用脚部积分技术和基于超像素聚类的鲁棒 LiDAR-视觉深度一致性，在滑动窗口优化中实现视觉-惯性-运动学融合。在 LIKO 中，我们引入脚部运动学，并在误差状态迭代卡尔曼滤波（ESIKF）中采用点到面残差。与其他基于传感器融合的 SLAM 算法相比，我们的方法在公共数据集和长期数据集上表现出色。
引用
@article{arxiv.2510.15220,
title = {LVI-Q: Robust LiDAR-Visual-Inertial-Kinematic Odometry for Quadruped Robots Using Tightly-Coupled and Efficient Alternating Optimization},
author = {Kevin Christiansen Marsim and Minho Oh and Byeongho Yu and Seungjae Lee and I Made Aswin Nahrendra and Hyungtae Lim and Hyun Myung},
journal= {arXiv preprint arXiv:2510.15220},
year = {2025}
}
备注
8 Pages, 9 Figures