以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文#開源代碼# ?Point-LIO: Robust High-Bandwidth LiDAR-Inertial Odometry

開源代碼及論文地址：https://github.com/hku-mars/Point-LIO

作者單位：香港大學(xué)

? ? 本文介紹了Point-LIO：一種魯棒的高帶寬雷達(dá)慣性里程計，可以用在極劇烈的運動情況下的定位和建圖。Point-LIO通過兩個關(guān)鍵的創(chuàng)新，使高帶寬的雷達(dá)慣性里程計（LIO）成為可能。第一個是在每個雷達(dá)點處，更新機(jī)器人狀態(tài)的LIO框架，而不是將它們累積成一幀點云。這種逐點更新允許極高頻的里程計輸出，大大增加了定位帶寬，也從根本上消除了劇烈運動中的幀內(nèi)運動模糊。第二個主要的創(chuàng)新點是采用了隨機(jī)過程增強(qiáng)的運動學(xué)模型，該模型將IMU測量值作為系統(tǒng)輸出。

? ? 這種新的建模方法能夠?qū)崿F(xiàn)精確的定位和可靠的建圖，即使在運動過程中IMU的測量值已經(jīng)飽和的情況下，也可以正常工作。為了對Point-LIO進(jìn)行性能評估，我們使用Livox Avia做了多種室內(nèi)和室外實驗?？偟膩碚f，Point-LIO能夠提供準(zhǔn)確的、高頻的里程計測量（4-8 kHz），并在嚴(yán)重的振動和超出IMU測量范圍的高角速度（75 rad s-1）的劇烈運動中提供可靠的建圖。在一般的場景下，Point-LIO可以實現(xiàn)與當(dāng)前最先進(jìn)的雷達(dá)慣性里程計相當(dāng)?shù)木群托省?/span>

? ? 最后，演示了Point-LIO的兩個應(yīng)用實例，一個是穿越機(jī)，另一個是我們實驗室自制的自轉(zhuǎn)無人機(jī)，兩者都在運動過程中超出了IMU量程（例如，59 rad s-1和25 rad s-1）。

本文貢獻(xiàn)如下：

1、提出了一種逐點LiDAR-慣性里程計框架，該框架在實際采樣時刻對LiDAR點進(jìn)行融合，而不會累積成一幀。消除點積累消除了幀內(nèi)運動失真，并允許以接近點采樣速率的高里程計輸出和地圖更新，從而進(jìn)一步使系統(tǒng)能夠跟蹤非?？斓倪\動。

2、為了進(jìn)一步將系統(tǒng)帶寬提升到IMU測量范圍之外，我們使用隨機(jī)過程模型對IMU測量進(jìn)行建模。然后，我們將該模型擴(kuò)展到系統(tǒng)運動學(xué)中，并將IMU測量值作為系統(tǒng)輸出。隨機(jī)過程增廣運動學(xué)模型允許平滑估計系統(tǒng)狀態(tài)，包括角速度和線加速度，即使在IMU飽和時也是如此。

3、我們將這兩項關(guān)鍵技術(shù)集成到一個完全緊耦合的激光雷達(dá)慣性里程計系統(tǒng)中，稱為Point-LIO。該系統(tǒng)使用流形上的擴(kuò)展卡爾曼濾波，通過在其各自的采樣時間融合每個LiDAR點或IMU數(shù)據(jù)來更新系統(tǒng)狀態(tài)。利用系統(tǒng)的稀疏性和線性度，即使在微型飛行器上基于ARM的低功耗計算機(jī)上，所開發(fā)的系統(tǒng)也可以實現(xiàn)實時狀態(tài)估計。

4、開發(fā)的系統(tǒng)在各種具有挑戰(zhàn)性的真實世界數(shù)據(jù)中進(jìn)行了測試，這些數(shù)據(jù)是由新興的SolidState LiDAR以非常小的視場收集的。結(jié)果表明，Point-lio具有運動失真補償能力，里程計輸出速率高(4~8 kHz)，帶寬高(>150 Hz)。該系統(tǒng)還能夠估計極端攻擊性運動(角速度大于75rad s?1)下的狀態(tài)，并在初始階段后用飽和的IMU測量。此外，對來自不同開放LiDAR數(shù)據(jù)集的12個序列進(jìn)行了詳盡的基準(zhǔn)比較，結(jié)果表明，Point-lio在計算資源消耗較少的情況下，獲得了與其他同類算法相當(dāng)?shù)木群托?。最后展示了其在實際無人機(jī)上的實際應(yīng)用。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容