A LiDAR-Inertial SLAM Tightly-Coupled with Dropout-Tolerant GNSS Fusion for Autonomous Mine Service Vehicles

要約

マルチモーダル センサーの統合は、現実世界のナビゲーション システムにとって重要な前提条件となっています。
最近の研究では、多くの分野でこのようなシステムの導入に成功したことが報告されています。
ただし、衛星信号のドロップアウト、知覚の低下、観測の低下により、鉱山現場でのナビゲーション作業は依然として困難です。
この問題を解決するために、本論文ではカルマンフィルターとグラフ最適化の両方を利用したLiDAR慣性走行距離測定法を提案します。
フロントエンドは、複数の並列実行 LiDAR 慣性走行距離計で構成され、レーザー ポイント、IMU、およびホイール走行距離計の情報がエラー状態のカルマン フィルターで緊密に融合されます。
一般的に使用される特徴点の代わりに、表面要素を登録に使用します。
バックエンドは姿勢グラフを構築し、慣性、LiDAR オドメトリ、および全地球航法衛星システム (GNSS) からの姿勢推定結果を共同で最適化します。
車両はトンネル内で長時間走行するため、大きく蓄積されたドリフトが GNSS 測定によって完全に検出されない可能性があります。
ここでは、ループ クロージャ ベースの再初期化プロセスを活用して、完全な調整を実現します。
さらに、データ損失、ストリームの一貫性、推定誤差の処理を通じてシステムの堅牢性が向上します。
実験結果は、私たちのシステムがさまざまなLiDARとサーフェル登録の連携による長期縮退に対して良好な耐性を持ち、GNSSドロップアウト中の数十分の実行でもメーターレベルの精度を達成することを示しています。

要約(オリジナル)

Multi-modal sensor integration has become a crucial prerequisite for the real-world navigation systems. Recent studies have reported successful deployment of such system in many fields. However, it is still challenging for navigation tasks in mine scenes due to satellite signal dropouts, degraded perception, and observation degeneracy. To solve this problem, we propose a LiDAR-inertial odometry method in this paper, utilizing both Kalman filter and graph optimization. The front-end consists of multiple parallel running LiDAR-inertial odometries, where the laser points, IMU, and wheel odometer information are tightly fused in an error-state Kalman filter. Instead of the commonly used feature points, we employ surface elements for registration. The back-end construct a pose graph and jointly optimize the pose estimation results from inertial, LiDAR odometry, and global navigation satellite system (GNSS). Since the vehicle has a long operation time inside the tunnel, the largely accumulated drift may be not fully by the GNSS measurements. We hereby leverage a loop closure based re-initialization process to achieve full alignment. In addition, the system robustness is improved through handling data loss, stream consistency, and estimation error. The experimental results show that our system has a good tolerance to the long-period degeneracy with the cooperation different LiDARs and surfel registration, achieving meter-level accuracy even for tens of minutes running during GNSS dropouts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google