激光雷達(dá)慣性里程計的案例
FAST-LIO2: 快速直接的激光雷達(dá)-慣性里程計
這種直接將一幀點云配準(zhǔn)到地圖的方法提高了里程計的精度，但代價是在每一步構(gòu)建中更新地圖點的k-d樹的計算量增加。
IMU可以通過提供ICP要求的良好的初始位姿來顯著提高激光雷達(dá)里程計的精度和魯棒性。此外，高頻率的IMU測量數(shù)據(jù)可以有效地補償激光點云幀中的運動失真。LION[28]是一種松耦合的激光雷達(dá)慣性SLAM方法，它保留了LOAM中的幀間配準(zhǔn)方法（scan-to-scan registration），并在里程計中引入了可觀測性檢查以降低點數(shù)，從而節(jié)省計算量。更多的緊耦合的激光雷達(dá)慣性融合工作[17,29]–[31]在由固定數(shù)量的最近的激光點云幀（或關(guān)鍵幀）組成的在小尺寸局部地圖中執(zhí)行里程計。與幀間配準(zhǔn)的方法相比，幀到局部地圖的配準(zhǔn)通常因使用更多最近的信息而更加準(zhǔn)確。更具體地說，LIOM[29]提出了一種緊耦合激光雷達(dá)慣性融合方法，它在里程計中引入了IMU預(yù)積分。LILIOM[17]開發(fā)了一種新的特征提取方法對于非重復(fù)掃描的激光雷達(dá)，并在一個由20幀激光點云組成的小地圖中執(zhí)行幀間配準(zhǔn)以獲得里程計。LIO-SAM[30]的里程計需要一個9軸IMU來產(chǎn)生姿態(tài)測量，這個測量量是在一個小的局部地圖中進(jìn)行幀間配準(zhǔn)的前提。LINS[31]將緊耦合迭代卡爾曼濾波器和機(jī)器人中心公式引入到里程計中的激光雷達(dá)姿態(tài)優(yōu)化當(dāng)中。因為上述工作為了獲取實時的性能通常構(gòu)建小的局部地圖，所以里程計漂移地很快，需要進(jìn)行低速率的建圖過程，例如建圖細(xì)化（LINS[31]），滑動窗口關(guān)節(jié)優(yōu)化（LILI-OM[17]和LIOM[29]）和 因子圖優(yōu)化[32]（LIO-SAM[30]）。與上述方法相比，F(xiàn)AST-LIO[22]引入了一種形式化的反向傳播，它精確考慮一幀點云中的每一個點的采樣時間，并通過IMU測量值驅(qū)動的嚴(yán)格運動學(xué)模型對運動畸變進(jìn)行補償。
展開 通過消失點輔助激光雷達(dá)視覺慣性估計器（ICRA2021）
Contribution
1.提出了第一種消失點輔助激光雷達(dá)視覺慣性估計器，它利用激光深度和消失點信息在視覺和幾何退化環(huán)境中實現(xiàn)魯棒姿態(tài)估計
2.提出了一種新的基于體素圖的特征深度關(guān)聯(lián)模塊，可以有效地將深度信息分配給視覺特征
3.提出了一種新穎的消失點檢測流程，該流程能夠可靠、高效地檢測出消失點
Content
1.系統(tǒng)框圖
如下圖，主要分成三步處理流程，先是IMU輔助下的滅點檢測，然后進(jìn)行特征深度關(guān)聯(lián)，最后進(jìn)行VIO，VIO主要優(yōu)化重投影誤差，IMU預(yù)積分誤差和滅點約束誤差。
2. IMU輔助的滅點檢測
先是通過稀疏光流法和角點檢測來跟蹤特征，然后用LSD找到線段(記錄端點長度和角度)，因為水平線段檢測的精度很大程度上和相機(jī)的旋轉(zhuǎn)相關(guān)，并且如果水平線檢測不準(zhǔn)確，那么滅點生成就很差，基于這個出發(fā)點，采用基于重力的垂直線檢測來優(yōu)化IMU旋轉(zhuǎn)。具體過程如下圖:首先根據(jù)相機(jī)方向，在每個線段的重點得到二維投影向量Z, 然后根據(jù)線段和它的投影向量的角度對線段進(jìn)行分類，角度小于一定的閾值視為垂直，在理想情況下，這些垂直線段會穿過滅點在Z軸的投影，根據(jù)這個進(jìn)行進(jìn)一步的優(yōu)化，最終的滅點的z軸上的單位向量可以表示為:
然后根據(jù)下面的公式獲得光流的旋轉(zhuǎn)角度:
并且水平線可以表示為:
在計算出水平線后，可以得出在X和Y方向上的滅點假設(shè)，使用1-line RANSAC來選擇地平線，然后將其與水平線相交得出滅點在X的假設(shè):
最終的基于滅點的代價函數(shù)可以表示如下:
3.
展開 基于圖優(yōu)化的GNSS/慣性/視覺/激光雷達(dá)多源融合導(dǎo)航定位
來源 |
衛(wèi)星導(dǎo)航國際期刊
