面向自主赛车场景的定位技术鲁棒性评估

本工作引入 SynPF，一种为高速赛车环境定制的基于蒙特卡洛定位（MCL）的算法。以当前最先进的位姿图 SLAM 算法 Cartographer 为基准，SynPF 融合了以往粒子滤波方法的协同优势，并将其综合应用于高性能赛车领域。我们广泛的实地评估表明，虽然 Cartographer 在标称条件下表现优异，但在遭遇车轮打滑时表现挣扎，而车轮打滑是赛车场景中因抓地力水平变化和激进驾驶行为而常见的现象。相反，SynPF 在这些挑战性条件下展现出鲁棒性，并在无 GPU 的车载计算机上实现了 1.25 毫秒的低延迟计算时间。利用 F1TENTH 平台（一款 1:10 比例的自主赛车车辆），本工作在高达 7.6 m/s 的测试速度下，不仅突显了现有算法在高速场景中的脆弱性，也强调了 SynPF 作为一种可行替代方案的潜力，尤其是在里程计条件恶化的情况下。