WING：基于轮子-惯性神经 odometry 及地面流形约束
机器人学
2024-07-24 v2
摘要
本文提出一种基于神经网络处理和地面流形约束的单纯内感知 odometry 系统，用于地面机器人。假设存在全局连续的地面流形。exteroceptive 传感器如摄像机、GPS 和激光雷达在光照不足、室内环境、尘土环境和直隧道等场景中可能遇到困难。因此，仅使用内感知传感器提高姿态估计精度对于增强导航系统在上述退化场景中的可靠性至关重要。然而，内感知传感器如 IMU 和轮子编码器因测量噪声会产生较大漂移。为克服这些挑战，本文提议通过深度神经网络纠正 IMU 和轮子编码器的测量值，同时考虑其不确定性。此外，由于地面机器人只能在地面上行驶，我们使用双立方 B 样条流形模型将地面表面建模为全局连续的流形，以进一步通过软约束提高估计精度。提出一种基于空间的滑动窗口滤波框架，以充分利用地面流形软约束的 连续性，并遵循独立于偏航的姿态约定融合来自原始测量值和神经网络的所有信息。广泛实验表明，我们的方法在性能上优于当前最先进的基于学习的仅内感知 odometry 方法。
引用
@article{arxiv.2407.10101,
title = {WING: Wheel-Inertial Neural Odometry with Ground Manifold Constraints},
author = {Chenxing Jiang and Kunyi Zhang and Sheng Yang and Shaojie Shen and Chao Xu and Fei Gao},
journal= {arXiv preprint arXiv:2407.10101},
year = {2024}
}