FF-LINS:帧间数据关联的固态LiDAR/惯性导航状态估计器

发布时间:[2024-01-03] 来源:[唐海亮 张提升 牛小骥] 点击量:[3099]


    现有激光雷达(LiDAR)递推导航算法中,多数采用了LiDAR帧到地图的数据关联方式,构建了一种的绝对位姿测量模型,造成了导航状态估计的不一致(其理论方差过于乐观)。新型固态LiDAR具有非重复式扫描的特性,为帧间数据关联提供了便利。我们提出了一种不显式提取点云特征的LiDAR帧间数据关联算法,构建了LiDAR帧间的相对位姿测量模型,保证了其误差建模的一致性,实现了基于帧间数据关联的固态LiDAR/惯性紧耦合导航状态估计。

    固态激光雷达(LiDAR)由于其低成本、高可靠性和大规模量产能力,已经被广泛应用于各类智能无人系统中。然而,目前大部分LiDAR递推导航算法采用了当前帧到自建(在线实时构建)地图关联(Frame-to-map,F2M)方式,没有设置反映自建地图误差的模型参数,因此构建了一种失真的(或者说虚假的)绝对位姿测量模型,出现了虚假的可观测性,造成了导航状态估计的不一致(即估计状态的误差水平与理论方差偏离)。采用F2M方式,不仅不能以紧耦合的方式引入全球导航卫星系统(GNSS)、高精度地图这类绝对定位信息,还会伤害诸如惯性测量单元(IMU)这类相对定位传感器的性能。就LiDAR/惯性里程计(LIO)而言, F2M会造成错误的IMU零偏估计,也无法估计LiDAR-IMU的时空偏差参数(外参)。部分LiDAR递推导航算法尝试构建了帧间数据关联(Frame-to-frame,F2F),但是存在着计算效率低、环境适应性不足等问题,也不适用于新型固态LiDAR。


1704248758683074510.png

图1 帧到自建地图关联与帧间数据关联方式示意图

1 帧到自建地图关联与帧间数据关联的LIO算法对比

1704248793308090514.png


    针对图1和表1所示帧到自建地图关联与帧间数据关联的区别,我们面向LiDAR的多源融合导航应用,提出了一种帧间数据关联的固态LiDAR/惯性导航状态估计器FF-LINS(Tang Hailiang et. al, 2023),实现了复杂环境下实时、稳健、精确的递推导航定位。FF-LINS借鉴我们前期视觉工作(Niu Xiaoji et. al, 2023),将以惯导为核心的思想应用于LiDAR导航,充分发挥了惯导的自主连续推算导航和时空传递能力。FF-LINS的系统设计原理见图2,主要特点如下:

1、提出了一种符合状态估计一致性的固态LiDAR惯性导航状态估计器:在图优化的框架下实现了LiDAR和IMU测量的紧耦合导航;LiDAR和IMU时空参数被精确建模以进行在线估计和补偿,从而提高导航定位的精度。

2、提出了一种巧妙的LiDAR帧间数据关联算法:通过连续的惯导先验位姿,累积多个LiDAR点云帧,构建了不显式提取特征点云的关键帧点云地图;通过在滑动窗口内的关键帧点云地图中寻找最近邻点,实现LiDAR的帧间数据关联。

3、提出了一种LiDAR帧间测量模型:构建了LiDAR帧与帧之间的相对位姿测量模型,推导了LiDAR帧间测量残差及其对IMU位姿和LiDAR-IMU时空参数雅可比矩阵的解析形式。

    我们已开源了FF-LINS的源代码及使用的固态LiDAR/惯性数据集(https://github.com/i2Nav-WHU/FF-LINS)。

1704248831964030980.png

图2 FF-LINS的系统框图


    本工作充分发挥了惯导的短期相对精度,通过累积多个LiDAR帧实现了帧间数据关联,解决了帧到自建地图关联算法造成的导航状态估计不一致性问题,可以无缝地集成到包含GNSS、高精度地图等绝对定位信息的多源融合导航系统中。另外,本工作已经被证明同样适用于传统的机械扫描式LiDAR,并对LiDAR-IMU外参的在线估计、大尺度点云地图构建等应用需求都具有重要参考价值。

相关成果发表在IEEE RAL上,可在团队网站(i2nav.cn)的“研究成果-学术论文”列表中下载。(Link

相关阅读

[1] Hailiang Tang, Tisheng Zhang, Xiaoji Niu, Liqiang Wang, Linfu Wei, and Jingnan Liu, “FF-LINS: A Consistent Frame-to-Frame Solid-State-LiDAR-Inertial State Estimator,” IEEE Robotics and Automation Letters, vol. 8, no. 12, pp. 8525–8532, Dec. 2023, doi: 10.1109/LRA.2023.3329625.

[2] Xiaoji Niu, Hailiang Tang, Tisheng Zhang, Jing Fan, and Jingnan Liu, “IC-GVINS: A Robust, Real-Time, INS-Centric GNSS-Visual-Inertial Navigation System,” IEEE Robotics and Automation Letters, vol. 8, no. 1, pp. 216–223, Jan. 2023, doi: 10.1109/LRA.2022.3224367.


版权所有:武汉大学多源智能导航实验室(微信公众号:i2Nav) 当前访问量: 技术支持:武汉楚玖科技有限公司