以下內(nèi)容來自小六的機器人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 → 機器人SLAM學(xué)習(xí)資料大禮包

#論文# AdaLIO: Robust Adaptive LiDAR-Inertial Odometry in Degenerate Indoor Environments

論文地址：https://arxiv.org/abs/2304.12577

作者單位：KAIST

?

近年來，使用LiDAR傳感器繪制建筑工地或建筑物的地圖的需求增加，以建模環(huán)境以實現(xiàn)有效的工地管理。然而，據(jù)觀察，有時基于激光雷達的方法在狹窄和受限的環(huán)境中會出現(xiàn)分歧，如螺旋樓梯和走廊，無論環(huán)境如何變化，都是由固定參數(shù)造成的。也就是說，LiDAR(-慣性)里程計的參數(shù)大多是針對開放空間設(shè)置的；因此，如果將適用于開放空間的相同參數(shù)應(yīng)用于走廊狀場景，則會導(dǎo)致里程計方法的發(fā)散，這被稱為退化。

為了解決這一退化問題，我們提出了一種稱為Adalio的穩(wěn)健的LiDAR慣性里程計，它采用了一種自適應(yīng)的參數(shù)設(shè)置策略。為此，我們首先通過檢查周圍環(huán)境是否為類似走廊的環(huán)境來檢查退化。如果是，則自適應(yīng)地改變與體素化和法向量估計相關(guān)的參數(shù)以增加對應(yīng)的數(shù)目。通過在公共數(shù)據(jù)集中的驗證，我們提出的方法在狹窄和擁擠的環(huán)境中表現(xiàn)出了良好的性能，避免了退化問題。

本文的貢獻有三個方面：

1、我們提出了一種退化環(huán)境-穩(wěn)健的LIO，通過避免退化來防止在擁擠環(huán)境中的發(fā)散。

2、提出了自適應(yīng)參數(shù)設(shè)置策略，該策略自適應(yīng)地調(diào)整與體素化和對應(yīng)估計有關(guān)的一些參數(shù)，以保持對應(yīng)的數(shù)目，使得我們的方法對這些狹窄場景具有魯棒性。

3、在定性評估中，我們的Adalio方法在狹窄和擁擠的環(huán)境中與最先進的方法相比表現(xiàn)出了良好的性能。

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