UA-MPC：面向电动LiDAR里程计的不确定性感知模型预测控制
机器人学
2024-12-19 v1
摘要
利用LiDAR系统进行精确全面的3D感知对于摄影测量和机器人领域的各种应用至关重要，包括设施检查、建筑信息模型（BIM）和机器人导航。电动LiDAR系统可以在不增加多个扫描仪的情况下扩展视场（FoV），但现有的电动LiDAR系统通常依赖恒速电机控制，导致在复杂环境中性能次优。为了解决这个问题，我们提出了UA-MPC，一种不确定性感知的电机控制策略，平衡扫描精度和效率。通过射线追踪预测LiDAR里程计（LO）的离散可观测性，并用代理函数建模其分布，UA-MPC根据不同的场景高效优化电机速度控制。此外，我们为电动LiDAR系统开发了一个基于ROS的逼真仿真环境，使得能够在多种场景下评估控制策略。在模拟和真实场景上的大量实验表明，我们的方法显著提高了里程计精度，同时保持了电动LiDAR系统的扫描效率。具体来说，与恒速控制相比，定位误差降低了60%以上，效率下降不到2%，为主动3D感知任务提供了更智能、更有效的解决方案。电动LiDAR控制仿真环境已在：\url{https://github.com/kafeiyin00/UA-MPC.git}开源。
引用
@article{arxiv.2412.13873,
title = {UA-MPC: Uncertainty-Aware Model Predictive Control for Motorized LiDAR Odometry},
author = {Jianping Li and Xinhang Xu and Jinxin Liu and Kun Cao and Shenghai Yuan and Lihua Xie},
journal= {arXiv preprint arXiv:2412.13873},
year = {2024}
}