logo móvil
Contáctanos

Solid-state-LiDAR-inertial-visual odometry y mapeo a través de modelo de movimiento cuadrático e información de reflectividad

Autores: Yin, Tao; Yao, Jingzheng; Lu, Yan; Na, Chunrui

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Solid-state-LiDAR-inertial-visual odometry y mapeo a través de modelo de movimiento cuadrático e información de reflectividad


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Propone
Fusión sólido-estado-LiDAR-inercial-visual
Subsistemas
SSLIO
VIO
Marco

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 51

Citaciones: Sin citaciones


Descripción
Este documento propone un marco de fusión visual-inercial de LiDAR de estado sólido que contiene dos subsistemas: el subsistema de odometría inercial de LiDAR de estado sólido (SSLIO) y el subsistema de odometría visual-inercial (VIO). Nuestro subsistema SSLIO tiene dos novedades que le permiten manejar cambios drásticos de aceleración y velocidad angular: (1) se adopta el modelo de movimiento cuadrático en el paso de compensación de movimiento en el marco de los puntos característicos del LiDAR, y (2) el sistema tiene una función de peso para cada término residual para garantizar consistencia en la geometría y reflectividad. El subsistema VIO renderiza el mapa global además de optimizar aún más la salida del estado por el SSLIO. Para ahorrar recursos informáticos, calibramos los parámetros extrínsecos de nuestro subsistema VIO de manera indirecta con antelación, en lugar de utilizar estimación en tiempo real. Probamos el subsistema SSLIO utilizando conjuntos de datos públicos y un experimento en una rampa empinada, y mostramos que nuestro SSLIO exhibe un mejor rendimiento que el algoritmo Point-LIO de LiDAR-inercial SLAM de última generación en términos de hacer frente a vibraciones fuertes transmitidas a los sensores debido al movimiento violento del robot oruga. Además, presentamos varios experimentos de campo al aire libre evaluando nuestro marco. Los resultados muestran que nuestro marco de fusión multi-sensor propuesto puede lograr una buena robustez, precisión de localización y mapeo, así como un sólido rendimiento en tiempo real.

Otros recursos que podrían interesarte

Temas Virtualpro