[论文解读] SR-LIO: LiDAR-Inertial Odometry with Sweep Reconstruction

Zikang Yuan, Fengtian Lang+2 more|arXiv (Cornell University)|Oct 19, 2022

Robotics and Sensor-Based Localization被引用 6

一句话总结

本文提出SR-LIO，一种新型激光雷达-惯性里程计系统，通过扫面重建技术提升有效扫描频率，从而在iEKF框架下实现更频繁且精确的状态更新。通过分割并重新组装原始激光雷达扫描数据，该方法缩短了IMU积分时间间隔，减少了累积误差，提升了轨迹精度，并提出一种新的逐段畸变校正策略，避免了在多个扫描中对同一点进行不一致的校正。

ABSTRACT

This paper proposes a novel LiDAR-Inertial odometry (LIO), named SR-LIO, based on an iterated extended Kalman filter (iEKF) framework. We adapt the sweep reconstruction method, which segments and reconstructs raw input sweeps from spinning LiDAR to obtain reconstructed sweeps with higher frequency. We found that such method can effectively reduce the time interval for each iterated state update, improving the state estimation accuracy and enabling the usage of iEKF framework for fusing high-frequency IMU and low-frequency LiDAR. To prevent inaccurate trajectory caused by multiple distortion correction to a particular point, we further propose to perform distortion correction for each segment. Experimental results on four public datasets demonstrate that our SR-LIO outperforms all existing state-of-the-art methods on accuracy, and reducing the time interval of iterated state update via the proposed sweep reconstruction can improve the accuracy and frequency of estimated states. The source code of SR-LIO is publicly available for the development of the community.

研究动机与目标

• 解决旋转式激光雷达系统中激光扫描间隔过长（100 ms）的问题，该问题因IMU误差累积而降低基于iEKF的状态估计性能。
• 克服传统激光雷达单独里程计在低结构环境中的局限性，以及基于ICP的方法对精确初始运动估计的依赖。
• 通过重建高频扫描提升状态更新频率，从而提高紧密耦合激光雷达-惯性里程计的精度与鲁棒性。
• 通过提出逐段畸变校正方法，确保轨迹精度，避免在多个扫描中对同一点进行不一致的校正。

提出的方法

• 通过分割连续扫描数据并以复用流式方式重新组装，将原始激光雷达扫描重建为更高频率的虚拟扫描。
• 将重建的高频扫描集成到基于iEKF的激光雷达-惯性里程计框架中，以缩短状态更新之间的时间间隔，并最小化IMU预积分误差。
• 对每个重建段独立应用畸变校正，而非对整个扫描进行校正，从而避免在多个扫描中对同一点产生不一致的校正。
• 利用iEKF框架融合高采样率的IMU测量与重建的激光雷达扫描，实现实时、高频的状态估计，显著提升精度。
• 实现一个地图更新模块，利用校正后并更新的状态估计，维持一致且精确的三维地图。
• 通过平衡扫描分割、重建与iEKF更新时间，优化计算效率，实现每帧20–30 ms的实时性能。

实验结果

研究问题

• RQ1 通过缩短状态更新之间的时间间隔，扫描重建是否能显著提升基于iEKF的激光雷达-惯性里程计的精度？
• RQ2 与传统的整扫面校正相比，逐段畸变校正是否能更有效地防止因点校正不一致导致的轨迹漂移？
• RQ3 在多样化的现实世界数据集上，所提出的SR-LIO系统与当前最先进方法相比，其轨迹精度表现如何？
• RQ4 系统是否能在实现更高输出频率与更优估计精度的同时保持实时性能？
• RQ5 通过重建提升扫描频率在多大程度上减少了IMU预积分中的累积误差？

主要发现

• SR-LIO在四个公开数据集上达到最先进精度，优于所有现有方法的轨迹估计性能。
• 使用重建的高频扫描显著缩短了状态更新时间间隔，从而在估计精度与鲁棒性方面实现了可测量的提升。
• 在NCLT数据集中，SR-LIO在nclt_5序列中实现1.62 m的中位数平移误差，在nclt_11序列中实现1.61 m，优于先前方法。
• 在utbm_1上的消融实验表明，逐段畸变校正生成的轨迹比整扫面校正更精确，后者更早出现漂移。
• 系统每帧重建扫描的处理时间为20–30 ms，重建扫描之间间隔50–65 ms，证实了实时运行并具备显著的计算余量。
• 耗时分析显示，扫描重建与iEKF状态估计是计算最密集的模块，但系统整体仍保持高效与可扩展性。