(資料圖片僅供參考)
以下內容來自小六的機器人SLAM學習圈知識星球每日更新內容
點擊領取學習資料 → 機器人SLAM學習資料大禮包
#論文# LIW-OAM: Lidar-Inertial-Wheel?Odometry?and Mapping
論文地址:https://arxiv.org/pdf/2302.14298.pdf
作者單位:華中科技大學
開源代碼:https://github.com/ZikangYuan/liw_oam
激光雷達慣性定位與建圖(LIOAM)融合了激光雷達和慣性測量單元(IMU)的互補信息,是一種很有吸引力的姿態估計和建圖解決方案。在LI-OAM中,姿態和速度都被視為需要求解的狀態變量。然而,目前廣泛使用的迭代最近點(ICP)算法只能對姿態進行約束,而速度只能通過IMU預積分進行約束。因此,速度估計傾向于根據姿態結果進行相應的更新。
在本文中,我們提出了一種精確而魯棒的LIW-OAM系統,該系統將LiDAR、IMU和車輪編碼器的測量結果融合在一個基于BA的優化框架中。車輪編碼器的參與可以提供速度測量作為一個重要的觀測,這有助于LI-OAM提供更準確的狀態預測。此外,在優化過程中利用車輪編碼器的觀測約束速度變量,可以進一步提高狀態估計的精度。在兩個公共數據集上的實驗結果表明,該系統在更小的絕對軌跡誤差(ATE)方面優于現有的LI-OAM系統,并且嵌入輪編碼器可以大大提高基于BA框架的LI-OAM的性能。
b
以上內容來自小六的機器人SLAM學習圈 每日更新內容
關鍵詞:
資訊 23-04-06
資訊 23-04-06
資訊 23-04-06
資訊 23-04-06
資訊 23-04-06
資訊 23-04-06
資訊 23-04-06
資訊 23-04-06
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05
資訊 23-04-05