语义-LiDAR-惯性-轮距融合：用于大规模动态环境中鲁棒定位的框架
机器人学
2025-09-19 v1
摘要
可靠且无漂移的全局定位在大规模动态环境中具有挑战性，却是自主导航的关键。本文引入一种紧耦合的语义-LiDAR-惯性-轮距融合框架，专为在大规模动态环境中提供高精度状态估计和鲁棒定位而设计。该框架利用高效的语义体素地图表示，采用改进的扫描匹配算法，利用全局语义信息显著减少长期轨迹漂移。此外，它通过紧耦合的多传感器融合迭代误差状态卡尔曼滤波（iESKF）融合来自 LiDAR、IMU 和轮距计的数据，确保在不出现异常漂移的情况下实现可靠定位。此外，为应对地形变化和动态运动带来的挑战，我们引入一种 3D 自适应缩放策略，允许灵活调整轮距计测量权重，从而提升定位精度。本研究在一处面积一百万平方米的自动化码头进行了广泛的实际实验，涵盖来自 35 个智能导引车（IGVs）的 3575 小时的运行数据。结果一致显示，我们的系统在大规模动态环境中优于最先进的基于 LiDAR 的定位方法，凸显了该框架的可靠性和实际价值。
引用
@article{arxiv.2509.14999,
title = {Semantic-LiDAR-Inertial-Wheel Odometry Fusion for Robust Localization in Large-Scale Dynamic Environments},
author = {Haoxuan Jiang and Peicong Qian and Yusen Xie and Linwei Zheng and Xiaocong Li and Ming Liu and Jun Ma},
journal= {arXiv preprint arXiv:2509.14999},
year = {2025}
}