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# DAMS-LIO: A Degeneration-Aware and Modular Sensor-Fusion LiDAR-inertial Odometry

論文地址：https://arxiv.org/abs/2302.01703

作者單位：浙江大學(xué)

? ? 融合方案是多傳感器融合方法的關(guān)鍵，多傳感器融合方法是地下礦山和行星表面等復(fù)雜極端環(huán)境下狀態(tài)估計的最有前途的解決方案。本文提出了一種基于iEKF的輕量級LiDAR慣性里程計系統(tǒng)，該系統(tǒng)采用可感知退化的模塊化傳感器融合管道，僅在檢測到退化時才在更新過程中同時測量來自另一個里程計的LiDAR點(diǎn)和相對位姿。

? ? 通過CRLB理論和仿真實驗驗證了該方法與單一觀測值方法相比具有更高的精度。此外，針對各種最先進(jìn)的傳感器融合方法，在感知挑戰(zhàn)數(shù)據(jù)集上對所提出的系統(tǒng)進(jìn)行了評估。結(jié)果表明，即使在惡劣的環(huán)境和較差的觀測條件下，該系統(tǒng)仍具有較高的估計精度和實時性能。

本文貢獻(xiàn)如下：

1、提出了一種基于退化感知和模塊化傳感器融合的輕量級激光雷達(dá)-慣性測程系統(tǒng)(DAMS-LIO)，該系統(tǒng)能夠在極端環(huán)境下進(jìn)行魯棒和準(zhǔn)確的狀態(tài)估計，在計算資源有限的情況下，為機(jī)器人執(zhí)行復(fù)雜探測任務(wù)提供了明顯的優(yōu)勢。

2、提出了一種新的傳感器融合方法，將激光雷達(dá)和其他里程計的信息完全融合，僅在檢測到退化時，將激光雷達(dá)點(diǎn)和其他里程計的相對位姿作為更新過程中的測量值。

3、基于CRLB定理進(jìn)行了理論分析，以量化性能，并證明了所提出的傳感器融合方法的高精度。

4、在模擬和真實數(shù)據(jù)集上的大量實驗驗證了我們方法的魯棒性和準(zhǔn)確性。

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