摘要
自身运动估计是大部分移动机器人应用的基本需求。通过传感器融合,我们能够补偿单个传感器的缺陷并且提供更可靠的估计。在本文中,我们引入一种紧耦合的雷达-惯导融合的方法。通过联合最小化雷达和惯导的测量损失,雷达-惯导里程计(LIO)在长期的试验后,在可接受的漂移,甚至是在激光雷达测量会降级的具有挑战性的情况下表现不错。此外,为了获取雷达位姿的更可靠的估计,我们还提出了一种旋转约束精炼算法(LIO-mapping)来进一步对齐雷达位姿和和全局地图。
I 介绍
自身运动估计在许多导航任务中起着重要作用,是自主机器人的关键问题之一。它提供了机器人姿态的认知,并能向姿态控制器提供即时反馈。此外,它与感知环境的各种传感器一起,为同时定位和映射(slam)提供了关键信息。准确估计机器人的姿态有助于降低风险,并有助于成功规划。激光雷达传感器可以为周围环境提供距离测量,在机器人系统中得到了广泛的应用。具体来说,典型的三维激光雷达可以在360度的水平视场(FOV)下以10Hz左右的频率来感知周围环境。作为一种主动传感器,它对光照具有不变性。激光雷达传感器具有高可靠性和高精度,我们很多人都会使用这种传感器。
尽管激光雷达传感器具有许多优点,但它还不够完善ÿ