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(diǎn)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# LiDAR-Aided Visual-Inertial Localization with Semantic Maps

論文地址：IROS2022

作者單位：圖森未來 ?

? ? ?準(zhǔn)確而魯棒的定位是自動駕駛系統(tǒng)的一項(xiàng)基本任務(wù)。本文提出了一種新的三維激光雷達(dá)輔助的視覺慣性定位方法。我們的方法充分探索了視覺觀測和激光雷達(dá)觀測的互補(bǔ)性。一方面，圖像中的語義特征與給定的語義地圖之間的關(guān)聯(lián)為絕對位姿提供了約束。另一方面，激光雷達(dá)里程計(jì)(LO)可以提供準(zhǔn)確且穩(wěn)健的六自由度相對位姿。利用誤差狀態(tài)卡爾曼濾波(ESKF)框架來估計(jì)相對于語義地圖的車輛姿態(tài)，融合了圖像和語義地圖之間的全局約束、來自LO的相對姿態(tài)和原始IMU數(shù)據(jù)。

該方法在各種具有挑戰(zhàn)性的場景中實(shí)現(xiàn)厘米級的定位精度。我們在50公里以上的真實(shí)場景中驗(yàn)證了該方法的魯棒性和準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，該方法的平均橫向精度為0.059 m，縱向精度為0.158 m，證明了該系統(tǒng)在自動駕駛應(yīng)用中的實(shí)用性。

本工作的主要貢獻(xiàn)如下: (1)針對遮擋和場景退化環(huán)境，我們使用了一個緊密耦合的ESKF來融合全局語義約束和局部里程計(jì)測量。

(2)我們開發(fā)了一種融合隱式里程計(jì)損失和顯式重投影損失的混合視覺測量模型，以提高精度和魯棒性。

(3)提出了一種具有封閉姿態(tài)協(xié)方差的漂移感知LO算法，應(yīng)用于在線融合定位，提高了系統(tǒng)的魯棒性。

(4)我們進(jìn)行了各種大規(guī)模道路試驗(yàn)，以驗(yàn)證所開發(fā)方法的有效性。

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