MINS：高效且鲁棒的多传感器辅助惯性导航系统

由于多模态测量（如 IMU、轮式编码器、相机、LiDAR 和 GPS）的融合天生具有提升对传感器故障与测量离群值韧性的能力，从而可实现鲁棒自主性，其鲁棒多传感器融合具有巨大潜力。据我们所知，本工作是首批开发一致的紧耦合多传感器辅助惯性导航系统（MINS）的工作之一，该系统能够在高效滤波框架中融合最常见的导航传感器，并通过解决计算复杂度、传感器异步性以及传感器内标定的特定挑战来实现。特别地，我们提出了一种一致的高阶流形上插值方案，以实现高效的异步传感器融合与状态管理策略（即动态克隆）。所提出的动态克隆利用运动诱导信息自适应选择插值阶数，以控制计算复杂度同时最小化轨迹表示误差。我们对所有车载传感器进行在线内参和外参（时空）标定，以补偿较差的先验标定和/或随时间退化的标定。此外，我们开发了一种仅使用 IMU 和轮式编码器的本体感知测量而非外感知传感器的初始化方法，该方法受环境影响较小且在高度动态场景中更为鲁棒。我们在仿真与大规模挑战性真实世界数据集中广泛验证了所提出的 MINS，在定位精度、一致性与计算效率方面优于现有 SOTA 方法。我们还将算法、仿真器与评估工具箱开源以惠及社区：https://github.com/rpng/mins。