[论文解读] LIRO: Tightly Coupled Lidar-Inertia-Ranging Odometry

Thien‐Minh Nguyen, Muqing Cao+4 more|arXiv (Cornell University)|Oct 25, 2020

Robotics and Sensor-Based Localization参考文献 33被引用 5

一句话总结

本文提出LIRO，一种紧密耦合的激光雷达-惯性测距里程计系统，通过融合UWB测距数据与激光雷达和IMU数据，消除长期估计漂移，实现全局无漂移位姿估计。通过将两到三个锚点的UWB测距集成到基于IMU预积分和激光雷达特征的滑动窗口优化框架中，LIRO在真实世界测试中将位置均方根误差（RMSE）降低至0.2米以下，实现在GPS拒止环境中的高精度、全局参考定位。

ABSTRACT

In recent years, thanks to the continuously reduced cost and weight of 3D Lidar, the applications of this type of sensor in robotics community have become increasingly popular. Despite many progresses, estimation drift and tracking loss are still prevalent concerns associated with these systems. However, in theory these issues can be resolved with the use of some observations to fixed landmarks in the environments. This motivates us to investigate a tightly coupled sensor fusion scheme of Ultra-Wideband (UWB) range measurements with Lidar and inertia measurements. First, data from IMU, Lidar and UWB are associated with the robot's states on a sliding windows based on their timestamps. Then, we construct a cost function comprising of factors from UWB, Lidar and IMU preintegration measurements. Finally an optimization process is carried out to estimate the robot's position and orientation. Via some real world experiments, we show that the method can effectively resolve the drift issue, while only requiring two or three anchors deployed in the environment.

研究动机与目标

• 解决在GPS拒止环境中激光雷达-惯性里程计系统的估计漂移和跟踪丢失问题。
• 通过融合UWB测距数据与激光雷达和惯性数据，实现全局参考的位姿估计。
• 开发一种紧密耦合的传感器融合框架，在保持实时性能的同时提升定位精度和鲁棒性。
• 在仅需2–3个UWB锚点的最小基础设施条件下，于实际半受控环境中验证该方法。

提出的方法

• IMU、激光雷达和UWB的数据经过时间戳同步，并与滑动窗口中的机器人状态关联。
• 构建代价函数，包含来自UWB测距、IMU预积分和基于激光雷达特征观测的因子。
• 系统采用Ceres求解器实现的紧密耦合优化框架，联合估计机器人位姿、速度和偏差状态。
• 利用UWB锚点的本体偏移测距数据作为绝对位置约束，将轨迹锚定在全局坐标系中。
• 采用IMU预积分以降低计算负载，并提高对高频运动的鲁棒性。
• 该方法在ROS中实现，并在搭载水平和垂直激光雷达配置的六旋翼飞行器的真实世界数据集上进行评估。

实验结果

研究问题

• RQ1 使用两个或三个锚点的UWB测距是否能有效消除激光雷达-惯性里程计中的长期漂移？
• RQ2 将UWB测距与激光雷达和IMU数据紧密耦合，如何提升位姿估计的精度和全局一致性？
• RQ3 在位置和姿态误差方面，使用两个锚点与三个锚点相比，性能增益如何？
• RQ4 与标准LOAM和LIO相比，该方法在多样化环境中的漂移和精度表现如何？
• RQ5 该系统是否能在不依赖GPS或先验地图的情况下实现全局参考定位？

主要发现

• 在最佳情况下（水平激光雷达的测试01），LIRO将位置RMSE降低至0.170米，而LOAM为1.499米，LIO为4.692米。
• 仅使用两个UWB锚点时，LIRO在测试01中实现0.527米的位置RMSE，显著优于所有测试中的LIO和LOAM。
• 使用三个锚点后，测试02中垂直激光雷达配置下的位置RMSE最低降至0.159米，表明在不同环境中均具有一致性能。
• LIRO的姿态估计为全局参考且稳定，而LIO和LOAM在长序列中表现出不可预测的姿态漂移。
• 该方法在不同测试场景和锚点配置下表现一致，误差波动极小，表明对环境变化具有鲁棒性。
• LIO-SAM因IMU偏差漂移在飞行中发散，而LIRO保持稳定、实时的性能，凸显其对高频振动的鲁棒性。