Lvio-Fusion：基于 actor-critic 方法的自适应多传感器融合 SLAM 框架
机器人学
2021-09-17 v3
摘要
基于传感器的状态估计对移动机器人至关重要。由于不同传感器在不同环境中性能各异，如何融合多种传感器的测量是一个问题。本文提出一种紧耦合多传感器融合框架 Lvio-Fusion，其基于图优化融合立体相机、激光雷达、IMU 与 GPS。尤其针对城市交通场景，我们引入带 GPS 与回环检测的分段全局位姿图优化，可消除累积漂移。此外，我们创造性地将强化学习中的 actor-critic 方法用于自适应调整传感器权重。训练后，actor-critic 智能体可为系统提供更好且动态的传感器权重。我们在公开数据集上评估系统性能并与其它前沿方法比较，表明所提方法在各种环境中达到高估计精度与鲁棒性。我们的实现已开源且具高可扩展性。
引用
@article{arxiv.2106.06783,
title = {Lvio-Fusion: A Self-adaptive Multi-sensor Fusion SLAM Framework Using Actor-critic Method},
author = {Yupeng Jia and Haiyong Luo and Fang Zhao and Guanlin Jiang and Yuhang Li and Jiaquan Yan and Zhuqing Jiang and Zitian Wang},
journal= {arXiv preprint arXiv:2106.06783},
year = {2021}
}
备注
IROS 2021