自动矿用服务车辆的LiDAR惯性SLAM与容错GNSS融合紧密耦合
摘要：多模态传感器集成已成为实际导航系统的重要先决条件。最近的研究报告了在许多领域成功部署此类系统。然而，在矿井场景中进行导航任务仍然具有挑战性，因为卫星信号中断、感知能力下降和观测退化。为了解决这个问题，我们在本文中提出了一种利用卡尔曼滤波和图优化的激光雷达惯性测距方法。前端由多个并行运行的激光雷达惯性测距系统组成，其中激光点、IMU和车轮测距仪的信息在误差状态卡尔曼滤波器中严密融合。我们采用表面元素而不是常用的特征点进行配准。后端构建了一个姿态图，并联合优化来自惯性测距、激光雷达测距和全球导航卫星系统（GNSS）的姿态估计结果。由于车辆在隧道内运行时间较长，由于GNSS测量可能无法完全消除积累的漂移。因此，我们采用基于闭环的重新初始化过程来实现完全对准。此外，通过处理数据丢失、流一致性和估计误差，提高系统的鲁棒性。实验结果表明，我们的系统在与不同的激光雷达和表面元素配准协同合作下，对长时间的退化具有良好的容忍度，在GNSS信号中断期间运行数十分钟，达到米级精度。
作者：Yusheng Wang, Yidong Lou, Weiwei Song, Bing Zhan, Feihuang Xia and Qigeng Duan
论文ID：2308.11492
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-23