选择性卡尔曼滤波：在SLAM中克服退化的多传感器信息融合时机与方法
机器人学
2024-12-24 v1
摘要
SLAM系统的研究趋势正在更加关注多传感器融合，以处理具有挑战性和退化环境。然而，大多数现有的多传感器融合SLAM方法主要使用一系列传感器的所有数据，称为全载方法。这种方法虽然融合了不同传感器的优势，也带来了它们的弱点，降低了鲁棒性和准确性，并导致高计算需求。为此，我们提出了一种新的融合方法—选择性卡尔曼滤波—通过仔细选择和融合来自多个传感器的信息（本文以LiDAR和视觉观测为例）。为了决定何时融合数据，我们在LiDAR SLAM中实现了退化检测，仅在LiDAR SLAM出现退化时才融合视觉测量。关于退化检测，我们提出了一种简洁而直接的方法来确定LiDAR SLAM的退化情况以及识别具体的退化方向。该方法充分考虑了旋转约束与平移约束之间的耦合关系。在数据融合方面，我们仅用于更新特定的退化状态。结果表明，我们的方法在全载方法的基础上，由于处理更少的视觉数据，大大提高了实时性能，同时引入了来自视觉测量的更少错误。实验表明，针对退化问题的本方法在检测和融合方面，相对于其他最先进的方法具有更高的精度和鲁棒性，相对于全载方法也具有更好的实时性能。该代码已公开提供。
引用
@article{arxiv.2412.17235,
title = {Selective Kalman Filter: When and How to Fuse Multi-Sensor Information to Overcome Degeneracy in SLAM},
author = {Jie Xu and Guanyu Huang and Wenlu Yu and Xuanxuan Zhang and Lijun Zhao and Ruifeng Li and Shenghai Yuan and Lihua Xie},
journal= {arXiv preprint arXiv:2412.17235},
year = {2024}
}