基于IESKF与图优化的激光惯性SLAM算法
摘要
同步定位与建图（SLAM）算法在使用激光雷达建图过程中，由于环境的变化且配准参数固定，会在点云配准过程中产生较大的累计误差，并且对高程误差抑制效果不佳，进而会影响全局的配准精度和建图定位效果。针对上述问题，提出一种基于迭代误差状态卡尔曼滤波器（IESKF）与因子图优化的激光惯性SLAM算法。该算法包括自适应参数调节模块、点云预处理模块、前端里程计模块和后端因子图优化模块。根据点云规模确定不同的关键帧距离、配准、体素下采样，以及地面约束等参数。采用K近邻（KNN）选取关键帧组成局部地图，可充分利用帧-图匹配时的空间信息。通过IESKF融合点云残差与惯性测量单元（IMU）先验位姿，得到滤波方式的前端融合里程计。在后端优化中加入地面约束、回环约束构成因子图优化，提高了建图的全局一致性。在M2DGR公开数据集和实际场景上进行多算法对比实验，实验结果表明，在校园场景中：相较于仅使用因子图优化的LIO-SAM算法，所提算法在全局建图精度上提高了38%，在高程误差上减少了52%；相较于仅使用IESKF的FAST-LIO2算法，所提算法在全局建图精度上提高了64%，在高程误差上减少了62%，证明其在环境适应性和高程误差抑制方面具备更优异的性能。
引用本文（GB/T 7714）
魏志飞 Wei Zhifei, 樊绍胜 Fan Shaosheng, 熊铭轩 Xiong Mingxuan. 基于IESKF与图优化的激光惯性SLAM算法[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。