[论文解读] Toward Underground Localization: Lidar Inertial Odometry Enabled Aerial Robot Navigation

Jiun Fatt Chow, Başaran Bahadır Koçer+5 more|arXiv (Cornell University)|Oct 29, 2019

Robotics and Sensor-Based Localization参考文献 17被引用 7

一句话总结

本论文提出了一种用于GPS拒止地下环境中自主飞行器导航的激光雷达-惯性里程计系统，采用2D激光雷达进行水平定位，1D TFMini激光雷达进行垂直高度测量，并利用IMU实现位姿稳定。在真实飞行测试中，Hector SLAM实现了亚20厘米的3D定位误差，其精度和鲁棒性优于Gmapping和Cartographer，尤其在动态飞行条件下表现更优。

ABSTRACT

Localization can be achieved by different sensors and techniques such as a global positioning system (GPS), wifi, ultrasonic sensors, and cameras. In this paper, we focus on the laser-based localization method for unmanned aerial vehicle (UAV) applications in a GPS denied environment such as a deep tunnel system. Other than a low-cost 2D LiDAR for the planar axes, a single axis Lidar for the vertical axis as well as an inertial measurement unit (IMU) device is used to increase the reliability and accuracy of the localization performance. We present a comparative analysis of the three selected laser-based simultaneous localization and mapping(SLAM) approaches:(i) Hector SLAM; (ii) Gmapping; and(iii) Cartographer. These algorithms have been implemented and tested through real-world experiments. The results are compared with the ground truth data and the experiments are available at https://youtu.be/kQc3mJjw_mw.

研究动机与目标

• 在如深层隧道系统等GPS拒止的地下环境中，实现对空中机器人可靠3D定位。
• 在不同飞行动力学条件下，评估三种基于激光的SLAM算法——Hector SLAM、Gmapping和Cartographer——的性能表现。
• 将1D激光雷达（TFMini）与2D激光雷达及IMU融合，用于垂直位姿估计，以实现完整的6-DoF定位。
• 在动作捕捉系统环境下，通过与真值数据对比验证系统的精度，并证明其在实时处理下的可行性。
• 识别最适合用于低成本、轻量化传感器的自主隧道巡检SLAM框架。

提出的方法

• 部署了一款自定义的空中机器人平台，配备2D激光雷达（RPLidar A1）、用于垂直高度测量的1D激光雷达（TFMini）以及用于惯性状态估计的IMU。
• 在ROS中实现并对比了三种SLAM算法——Hector SLAM、Gmapping和Cartographer——通过离线数据处理进行性能基准测试。
• 将2D激光雷达扫描数据与IMU数据融合，以校正无人机的俯仰和滚转，提升扫描对齐精度并减少漂移。
• 集成TFMini 1D激光雷达数据以估计垂直位置，由于传感器相对于无人机重心存在偏移，有效最小测量距离为0.38米。
• 使用动作捕捉系统作为真值，通过3D空间中的均方根误差（RMSE）计算姿态误差：$ D = \sqrt{(x_t - x_e)^2 + (y_t - y_e)^2 + (z_t - z_e)^2} $。
• 在Intel NUC上进行实时机载实验，共执行四条飞行轨迹：正常与快速的圆形路径以及8字形路径，所有数据均在机载系统中实时处理。

实验结果

研究问题

• RQ1 在GPS拒止环境下，Hector SLAM、Gmapping和Cartographer三种基于激光的SLAM算法中，哪一种能为空中机器人提供最准确且最鲁棒的3D定位？
• RQ2 将1D激光雷达（TFMini）与2D激光雷达及IMU融合，如何提升垂直位姿估计精度并改善整体6-DoF定位精度？
• RQ3 在受控的室内环境中，飞行速度对每种SLAM算法定位误差的影响如何？
• RQ4 在实时机载处理约束下，该系统能否在多种飞行轨迹中保持亚20厘米的3D定位误差？
• RQ5 当前传感器融合方法存在哪些局限性，特别是关于垂直高度估计中的盲区？

主要发现

• Hector SLAM在所有测试场景中均实现了最低的平均3D平移误差（18.04厘米），在精度方面优于Gmapping和Cartographer。
• Hector SLAM的RMSE在所有真实飞行实验中均低于20厘米，具体值为：圆形正常路径19.08厘米，圆形快速路径18.85厘米，8字形正常路径17.27厘米，8字形快速路径17.69厘米。
• Gmapping在快速飞行条件下表现出高误差（最高达196.31厘米圆形快速路径），并出现失效，表明其对动态飞行的鲁棒性较差。
• Cartographer计算速度最快且性能稳定，但在本配置下精度低于Hector SLAM。
• 1D激光雷达（TFMini）由于传感器偏移，在0.38米以下存在盲区，限制了极低空飞行时的可靠高度估计。
• 2D激光雷达、1D激光雷达与IMU的传感器融合实现了实时6-DoF位姿估计，且精度低于20厘米，验证了该系统在隧道巡检中的可行性。