[论文解读] Wildcat: Online Continuous-Time 3D Lidar-Inertial SLAM

Milad Ramezani, Kasra Khosoussi+6 more|arXiv (Cornell University)|May 25, 2022

Robotics and Sensor-Based Localization被引用 32

一句话总结

Wildcat 是一个在线的 3D 激光雷达-惯性 SLAM 系统，使用连续时间轨迹表示和一个位姿图骨干来实现鲁棒、可扩展的单智能体与多智能体映射，在具有挑战性的环境中表现出色。

ABSTRACT

We present Wildcat, a novel online 3D lidar-inertial SLAM system with exceptional versatility and robustness. At its core, Wildcat combines a robust real-time lidar-inertial odometry module, utilising a continuous-time trajectory representation, with an efficient pose-graph optimisation module that seamlessly supports both the single- and multi-agent settings. The robustness of Wildcat was recently demonstrated in the DARPA Subterranean Challenge where it outperformed other SLAM systems across various types of sensing-degraded and perceptually challenging environments. In this paper, we extensively evaluate Wildcat in a diverse set of new and publicly available real-world datasets and showcase its superior robustness and versatility over two existing state-of-the-art lidar-inertial SLAM systems.

研究动机与目标

• 通过使用连续时间轨迹表示来推进在线激光雷达-惯性 SLAM，从而解决激光雷达畸变和异步传感器融合的问题。
• 通过滑动窗口里程计模块实现鲁棒的局部里程计和可扩展的全局建图。
• 通过共享子地图并优化集合位姿图来实现多智能体协作 SLAM。
• 在包括具有挑战性的地下和城市环境在内的多样化真实世界数据集上展示鲁棒性。

提出的方法

• 使用三次B样条和李群回缩进行姿态优化的在线连续时间轨迹表示。
• 融合 IMU 与激光雷达测量并生成 surfels 作为局部地图元素的滑动窗口激光雷达-惯性里程计。
• 使用7D描述子进行 surfels 匹配并以点到平面的残差对齐跨时的 surfels。
• 采用带 Cauchy M-estimator 的迭代加权最小二乘法(IRLS)以对姿态校正进行鲁棒优化。
• 基于子地图的位姿图优化，其中每个子地图是全局图中管理的一个刚性块，带里程计和回环边。
• 基于 IRLS 的回环闭合与位置信识别集成，以在大尺度环境中实现鲁棒的全局一致性。

实验结果

研究问题

• RQ1 一个在线连续时间激光雷达-惯性 SLAM 系统是否可以在多样化环境中提供鲁棒且准确的映射？
• RQ2 如何将基于 surfel 的局部映射和基于子地图的位姿图优化整合以高效地对大尺度环境进行建图？
• RQ3 将重力方向信息引入是否能提升激光雷达-惯性 SLAM 的位姿图优化？
• RQ4 通过交换子地图并优化共享位姿图，能否有效实现多智能体 SLAM？
• RQ5 在具有挑战性的感知条件下，Wildcat 相对于最先进的激光雷达-惯性 SLAM 系统的性能如何？

主要发现

• Wildcat 在多个现实世界数据集和具有挑战性的环境中展示了鲁棒性和多功能性。
• 在 DARPA Subterranean Challenge Final Event 中，使用四个异质机器人团队时，Wildcat 实现了 0% 偏差和 91% 覆盖率。
• Wildcat 在感知困难和感知退化的地下环境中，优于其他最先进的激光雷达-惯性 SLAM 系统。
• 该系统通过共享子地图并优化集合位姿图来实现协同多智能体 SLAM。
• 子地图紧凑（最大 ~500 KB，平均 100–170 KB），在适度带宽下实现对等分享的可行性。
• 该方法将连续时间轨迹优化、基于 surfel 的局部映射和回环闭合整合在一起，在大尺度上保持全局一致性。