Stretch-ICP：在激烈运动场景下的连续轨迹配准与去 skew 算法
机器人学
2026-05-19 v1
摘要
在复杂环境中，稳健的机器人自主性仍具有挑战性，其中不均匀或光滑地形的稳定性丢失可导致极端加速度和角速度。此类运动会破坏传感器测量并降低状态估计，促使需要更好的算法鲁性。为调查此问题，本文引入Tumbling-Induced Gyroscope Saturation（TIGS）数据集，包含从机械激光雷达和惯性测量单元（IMU）滚动下山的记录。数据集中包含的数据角速度是类似数据集中的四倍，已公开。随后，我们提出两种互补方法以提高同时定位与制图（SLAM）的鲁性并在TIGS上对其进行评估。首先，饱和感知角速度估计（SAAVE）在激烈运动期间估计角速度时的饱和，通过减少角速度估计误差83.4%。其次，Stretch-ICP是一种新的配准和去 skew算法，使在激烈运动下的6自由度（DOF）轨迹重建比经典迭代最近点（ICP）更光滑。Stretch-ICP在扫描边界处将线性和角速度误差分别降低95.2%和94.8%。在激烈运动下，这些贡献改善了激光-惯性状态估计的鲁性和一致性。
引用
@article{arxiv.2605.17264,
title = {Stretch-ICP: A Continuous-Trajectory Registration and Deskewing Algorithm in Scenarios of Aggressive Motions},
author = {Simon-Pierre Deschênes and Veronica Vannini and Philippe Giguère and François Pomerleau},
journal= {arXiv preprint arXiv:2605.17264},
year = {2026}
}
备注
29 pages, 16 figures, published in Sensors 2026, 26(8), 2567, special issue "New Challenges and Sensor Techniques in Robot Positioning"