[论文解读] Radar SLAM: A Robust SLAM System for All Weather Conditions

Ziyang Hong, Yvan Pétillot+2 more|arXiv (Cornell University)|Apr 12, 2021

Robotics and Sensor-Based Localization参考文献 51被引用 19

一句话总结

本文提出了一种基于FMCW雷达的鲁棒SLAM系统，可在包括大雪和浓雾在内的全天候条件下实现精确、实时的定位与建图。通过利用雷达几何结构进行特征跟踪，联合优化运动补偿与位姿估计，并采用结构化回环检测方法，该系统在多样化的户外环境中实现了最先进的精度与可靠性，且参数调优极少。

ABSTRACT

A Simultaneous Localization and Mapping (SLAM) system must be robust to support long-term mobile vehicle and robot applications. However, camera and LiDAR based SLAM systems can be fragile when facing challenging illumination or weather conditions which degrade their imagery and point cloud data. Radar, whose operating electromagnetic spectrum is less affected by environmental changes, is promising although its distinct sensing geometry and noise characteristics bring open challenges when being exploited for SLAM. % However, there are still open challenges since most existing visual and LiDAR SLAM systems do not operate in bad weathers. This paper studies the use of a Frequency Modulated Continuous Wave radar for SLAM in large-scale outdoor environments. We propose a full radar SLAM system, including a novel radar motion tracking algorithm that leverages radar geometry for reliable feature tracking. It also optimally compensates motion distortion and estimates pose by joint optimization. Its loop closure component is designed to be simple yet efficient for radar imagery by capturing and exploiting structural information of the surrounding environment. % while a scheme to reject ambiguous loop closure candidates is also designed specifically for radar. Extensive experiments on three public radar datasets, ranging from city streets and residential areas to countryside and highways, show competitive accuracy and reliability performance of the proposed radar SLAM system compared to the state-of-the-art LiDAR, vision and radar methods. The results show that our system is technically viable in achieving reliable SLAM in extreme weather conditions, e.g. heavy snow and dense fog, demonstrating the promising potential of using radar for all-weather localization and mapping.

研究动机与目标

• 解决相机和LiDAR-based SLAM系统在大雪、浓雾和低能见度等恶劣天气条件下的局限性。
• 克服雷达独特传感几何结构、高噪声水平以及缺乏高程数据给SLAM应用带来的挑战。
• 开发一种完全自主的雷达SLAM系统，可在无需依赖外部传感器的情况下，可靠地运行于多样化户外环境。
• 仅使用FMCW雷达数据实现鲁棒的回环检测与运动补偿，确保长期一致性和精度。
• 证明单一参数集可在多个数据集和天气条件下通用，显著减少调优工作量。

提出的方法

• 提出一种新颖的雷达运动跟踪算法，利用雷达回波的几何结构提升特征关联性并有效剔除异常值。
• 引入一种联合优化框架，同时估计位姿并补偿因雷达扫描率较低引起的运动失真。
• 设计一种回环检测方案，通过挖掘FMCW雷达强度图像中的结构化模式，高效识别重复位置。
• 采用基于Hessian阈值和PCA的异常值剔除方法进行关键点检测，提升特征稳定性。
• 使用带回环约束的位姿图优化框架，校正轨迹漂移并提升长期轨迹精度。
• 实现基于关键帧的系统，结合距离与旋转阈值，以控制计算负载并维持地图一致性。

实验结果

研究问题

• RQ1 基于雷达的SLAM系统在正常天气条件下能否实现与最先进的LiDAR和视觉SLAM系统相当的精度？
• RQ2 在大雪和浓雾等极端天气条件下，雷达SLAM系统在保持定位与建图性能方面有多高效？
• RQ3 是否可以使用单一固定参数集在多种环境和天气条件下运行，而无需显著调优？
• RQ4 所提出的运动补偿模型如何降低因雷达扫描率低导致的轨迹漂移？
• RQ5 FMCW雷达强度图像中的结构特征能否在不依赖三维几何或外部传感器的情况下，有效用于鲁棒的回环检测？

主要发现

• 所提出的雷达SLAM系统在三个公开雷达数据集（牛津、MulRAN和RADIATE）上均实现了100%的完成率，相较于视觉和LiDAR-based方法展现出更优的鲁棒性。
• 在包含大雪和夜间序列的RADIATE数据集中，ORB-SLAM2因相机遮挡和模糊而无法初始化，而雷达SLAM系统始终保持完全运行。
• 系统在所有测试序列中均保持一致性能，包括高速雪地运动，未出现跟踪丢失，且所有情况均成功实现回环检测。
• 在所有数据集中，所提雷达SLAM系统的平均完成率均为100%，显著优于SuMa（20–72%）和基线SLAM（仅在部分数据集上达到100%）。
• 系统在标准笔记本电脑（Intel i7，16GB内存）上以8 Hz运行，超过4 Hz的雷达帧率，确保实时性能，并支持独立的回环检测与优化线程。
• 所有实验均使用相同的参数集，证实了系统对不同雷达分辨率、探测范围及环境条件的极低调优需求和高度适应性。