IROS2019多传感器融合SLAM方向

Stereo Visual Inertial LiDAR Simultaneous Localization and Mapping Abstract Simultaneous Localization and Mapping (SLAM) is a fundamental task to mobile and aerial robotics. LiDAR based systems have proven to be superior compared to vision based systems due to its accuracy and robustness. In spite SLAM（Simultaneous Localization and Mapping）是机器人领域的一个核心问题，主要涉及移动或空中机器人的自主导航。本文重点讨论的是在IROS2019会议上提出的多传感器融合SLAM方案，具体为Stereo Visual Inertial LiDAR SLAM（VIL-SLAM），它结合了立体视觉、惯性测量单元（IMU）和激光雷达（LiDAR）的优势，以提高系统在各种环境条件下的定位和建图性能。 传统的LiDAR SLAM系统因其精确性和稳定性而受到青睐，但它们在某些特定环境下（如隧道）可能出现失效。VIL-SLAM旨在解决这个问题，通过将立体视觉、惯性和LiDAR数据紧密融合，提高了系统在退化情况下的表现，同时在一般情况下的性能也与最先进的LiDAR SLAM方法相当。 系统的核心在于四个关键模块： 1. 视觉前端：使用立体相机获取图像对，执行帧间跟踪和立体匹配，输出视觉测量。当立体匹配数量低于预设阈值时，前端会自动进行特征检测和ORB特征匹配，以初始化系统。 2. 双目视觉惯性里程计：采用特征匹配和IMU数据，进行IMU预积分和固定滞后平滑优化，实现高频率的VIO位姿输出。 3. LiDAR建图模块：利用VIO的运动估计对LiDAR数据进行去畸变处理，随后进行扫描到地图的配准，构建环境的三维模型。 4. 闭环模块：执行视觉环路检测，初步估计环路约束，并通过稀疏点云的ICP（Iterative Closest Point）对齐进一步优化。这个过程用于纠正长期的定位漂移，确保全局轨迹的准确性。 VIL-SLAM的关键创新在于它能有效地整合多种传感器的数据，使系统在各种环境中都能保持稳定和准确。视觉信息提供了丰富的场景细节，IMU提供连续的动态信息，而LiDAR则提供了精确的远距离感知能力。通过将这些信息紧密融合，VIL-SLAM能够在复杂和退化场景中实现更好的鲁棒性和精度，尤其是在纯LiDAR方法难以应对的情况下。 VIL-SLAM为移动和空中机器人提供了一种综合解决方案，以适应广泛的环境和应用，例如自主驾驶汽车、无人机探索和室内定位。这种多传感器融合的方法有望推动SLAM技术的进一步发展，提高其在现实世界中的实用性。