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# LIW-OAM: Lidar-Inertial-Wheel?Odometry?and Mapping

論文地址：https://arxiv.org/pdf/2302.14298.pdf

作者單位：華中科技大學(xué)

開源代碼：https://github.com/ZikangYuan/liw_oam

? ?激光雷達(dá)慣性定位與建圖(LIOAM)融合了激光雷達(dá)和慣性測量單元(IMU)的互補(bǔ)信息，是一種很有吸引力的姿態(tài)估計(jì)和建圖解決方案。在LI-OAM中，姿態(tài)和速度都被視為需要求解的狀態(tài)變量。然而，目前廣泛使用的迭代最近點(diǎn)(ICP)算法只能對姿態(tài)進(jìn)行約束，而速度只能通過IMU預(yù)積分進(jìn)行約束。因此，速度估計(jì)傾向于根據(jù)姿態(tài)結(jié)果進(jìn)行相應(yīng)的更新。

? 在本文中，我們提出了一種精確而魯棒的LIW-OAM系統(tǒng)，該系統(tǒng)將LiDAR、IMU和車輪編碼器的測量結(jié)果融合在一個(gè)基于BA的優(yōu)化框架中。車輪編碼器的參與可以提供速度測量作為一個(gè)重要的觀測，這有助于LI-OAM提供更準(zhǔn)確的狀態(tài)預(yù)測。此外，在優(yōu)化過程中利用車輪編碼器的觀測約束速度變量，可以進(jìn)一步提高狀態(tài)估計(jì)的精度。在兩個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在更小的絕對軌跡誤差(ATE)方面優(yōu)于現(xiàn)有的LI-OAM系統(tǒng)，并且嵌入輪編碼器可以大大提高基于BA框架的LI-OAM的性能。

b

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