具有SE(2)约束的通用LiDAR-惯性测距方法用于地面车辆
机器人学
2024-04-03 v1
摘要
自LOAM（LiDAR测距与建图）以来，LiDAR SLAM已成为地面车辆的主要定位系统之一。LOAM的许多扩展工作主要利用一种特定的约束来提高性能，例如来自车载传感器的信息（如闭环和惯性状态）；先验条件（如地面水平和运动动力学）。在许多机器人应用中，这些条件通常是部分已知的，因此由于存在众多约束，SLAM系统可能是一个综合问题。因此，通过适当融合它们，我们可以获得更好的SLAM结果。在本文中，我们提出了一种混合LiDAR-惯性SLAM框架，该框架利用车载感知系统和先验信息（如运动动力学）来提高定位性能。特别地，我们考虑了地面车辆的情况，这些车辆常用于自动驾驶和仓库物流。我们提出了一种计算高效的LiDAR-惯性测距方法，该方法直接在SE(2)上参数化地面车辆位姿。非SE(2)的运动扰动没有被忽略，而是被纳入一个新颖的SE(2)约束模型的综合噪声项中。对于测距测量处理，我们提出了一种通用的、紧耦合的LiDAR-惯性测距方法，以实现比传统LiDAR测距更好的位姿估计。我们进行了彻底的实验，评估了所提出方法在不同场景下的性能，包括室内和室外环境的定位。所提出的方法在精度和鲁棒性方面实现了优越的性能。
引用
@article{arxiv.2404.01584,
title = {Versatile LiDAR-Inertial Odometry With SE (2) Constraints for Ground Vehicles},
author = {Jiaying Chen and Han Wang and Minghui Hu and Ponnuthurai Nagaratnam Suganthan},
journal= {arXiv preprint arXiv:2404.01584},
year = {2024}
}