饱和感知的角速度估计：将SLAM的鲁棒性扩展至激进运动
机器人学
2026-05-14 v2
摘要
我们提出一种新颖的角速度估计方法，以提升同步定位与建图(SLAM)算法对由激进运动引起的陀螺仪饱和的鲁棒性。野外机器人使机器人面临多种危险，包括陡坡、滑坡和楼梯，若机器人失去稳定性并翻滚，会产生大幅加速度和角速度。这些极端运动可使传感器测量饱和，尤其是陀螺仪，其是最先失效的传感器。在机器人结构完整性面临风险时，SLAM框架的鲁棒性往往很少被考虑。因此，即便机器人物理上能够继续任务，其运行也会因受损的世界表征而受影响。针对此问题，我们提出在翻滚引起的极端旋转中使用加速度计估计角速度的方法。我们表明，该方法将平移和旋转的中值定位误差分别降低71.5%和65.5%，并且对建图失败具有鲁棒性，而在无此方法的实验中建图失败发生了37.5%。我们还提出了翻滚诱导陀螺仪饱和(TIGS)数据集，其包含机械激光雷达在角速度高于其他同类可用数据集四倍的户外实验记录。该数据集可在 https://github.com/norlab-ulaval/Norlab_wiki/wiki/TIGS-Dataset 在线获取。
引用
@article{arxiv.2310.07844,
title = {Saturation-Aware Angular Velocity Estimation: Extending the Robustness of SLAM to Aggressive Motions},
author = {Simon-Pierre Deschênes and Dominic Baril and Matěj Boxan and Johann Laconte and Philippe Giguère and François Pomerleau},
journal= {arXiv preprint arXiv:2310.07844},
year = {2026}
}
备注
7 pages, 7 figures, published in 2024 IEEE International Conference on Robotics and Automation (ICRA), Yokohama, Japan