3D慣導Lidar SLAM

LIPS: LiDAR-Inertial 3D
Plane SLAM

摘要

本文提出了最近點平面表示的形式化方法，并分析了其在三維室內同步定位與映射中的應用。提出了一個利用最近點平面表示的無奇異平面因子，并在基于圖的優化框架中證明了它與慣性預積測量的融合。所得到的LiDAR慣性三維平面SLAM（LIPS）系統在定制的LiDAR模擬器和實際實驗中都得到了驗證。

導言

準確、魯棒的室內定位和地圖繪制是非調音機器人應用的基本要求。室內環境通常是豐富的指示信息，如直線和平面，應加以利用，以實現高精度的同時定位和制圖（SLAM）。盡管室內環境不允許使用GPS進行定位，但借助外部傳感器（如攝像機[1，2]、光探測和測距（LiDAR）傳感器[3，4]甚至聲納[5]的慣性導航系統（INS）已經證明有效。最近激光雷達傳感技術在重量和尺寸上都有所減少，允許便攜式和手持使用，每秒在周圍環境中提供高達220萬個數據點。激光雷達已被證明是有效的紋理少和低光環境，典型的辦公室和建筑內部，提供高信噪比（SNR）的測量。從根本上說，激光雷達傳感器不依賴于其他傳感器（如相機）所需的照明或紋理特性。激光雷達傳感器的一個挑戰是如何處理大量無序的三維點數據，以便包含在估計。一傳統的方法是使用迭代閉合點（ICP）解算器來確定姿勢之間的相對變換。使用ICP只恢復相對姿態，防止在狀態中包含信息量大的環境元素，如平面估計使用平面基元進行估計的第一個挑戰是它們的參數化[6]。最常見的表示是平面的法向矢量和距離標量，稱為黑森形式。自Hesse形式是一個過度參數化的形式，它在最小二乘中會受到奇異信息矩陣的影響。

為了避免這種過度參數化，通常使用包含兩個角（水平角和垂直角）和一個距離標量的球面坐標作為其誤差狀態表示。雖然這是最小的，但當垂直角等于±∏2時，它會受到模糊性的影響。最近，Kaess[6]提出使用單位四元數及其無奇異性的3自由度乘性誤差狀態，該狀態與平面的幾何聯系不清楚，其數值穩定性可能不是最優的。相比之下，在這項工作中，提倡使用最近點（CP）表示法，該表示法由平面上距離給定參考系原點最近的點定義。CP表示不僅捕獲了所有的幾何平面信息，而且用一個簡單的加法錯誤狀態操作來最小限度地表示平面，從而得到數值結果優點。規格在財務上，利用飛機的CP代表性，通過對三維室內SLAM的圖形優化，融合了三維激光雷達的平面原始測量和慣性測量單元（IMU）的運動信息（以連續IMU預積分的形式[7，8]）。

本文的主要貢獻如下：

?最近點（CP）平面表示法的制定、奇點分析及其在三維平面SLAM中作為平面表示和誤差狀態的使用。

?設計一種新的激光雷達慣性三維平面SLAM（LIPS）系統，該系統具有基于圖形優化的魯棒相對平面錨定因子，有效克服了CP表示的奇異性問題。

?開發用于評估激光雷達輔助定位算法的通用激光雷達模擬器，該模擬器是開源的，以更好地造福社區。

?通過蒙特卡羅模擬和實際實驗驗證提議的LIPS系統。

奇異性非常適合使用基于距離的傳感器（如激光雷達和rgbd相機）進行平面估計，因為從這些傳感器中提取的平面如果在提取的框架中表示出來，就不會被錯誤地定義。只有當將局部CP平面L∏轉換為平面與其原點相交的框架時，才會出現奇異性（見圖2），在[14]中還指出，從距離傳感器中提取的接近與傳感器框架相交的平面如果被發現和丟棄，應視為“不可靠”。

為了評估該系統的可行性，開發了一個定制的LiDAR-IMU模擬器。創建了一個二維平面圖，并將其垂直拉伸，以創建一個Man hattan世界環境（為清晰起見，注意到CP表示可以處理任意平面方向）。一組有序的三維控制點用于創建穿過環境的三維樣條軌跡（生成的軌跡見圖5）。利用解析樣條微分法，可以得到沿軌道任意時刻的真實IMU測量值。在給定的激光雷達探測頻率下，光線是使用由角分辨率和垂直天頂確定的固有激光雷達傳感器模型產生的角度。生成然后光線與環境中的所有平面相交，并找到所有光線平面交點。最后一步執行無效的交叉點，不應產生由于遮擋，通過強制每個光線只應擊中平面，最接近的LiDAR幀。

在這項測試中，平面物體被放置在激光雷達周圍，以便于進行RANSAC提取，避免退化運動[38]，并確保激光雷達在所有自由度上都受到充分限制（見圖6）。在10hz下工作的八通道量子M8激光雷達使用了附加在激光雷達底部的微應變3DM-GX3-25慣性測量單元以500赫茲工作的激光雷達。人工估計了激光雷達到IMU的外部變換，但這可以很容易地添加到因子圖中進行在線估計。為了評估估計漂移，將傳感器單元移到平面前面并返回到相同的起始位置。如圖7所示，在30米的軌跡距離后，開始姿勢和結束姿勢之間的差異為1.5厘米，對應于在軌跡長度上0.05%的誤差。

總結

以上是生活随笔為你收集整理的3D惯导Lidar SLAM的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。