针对现有激光里程计算法在水面环境上难以提取特征点,在位姿匹配时容易发生漂移导致精度低的问题,文章提出一种基于误差状态卡尔曼滤波(Error State Kalman Filter, ESKF)的激光雷达和惯性测量单元(IMU)融合的里程计算法。首先,对输入...针对现有激光里程计算法在水面环境上难以提取特征点,在位姿匹配时容易发生漂移导致精度低的问题,文章提出一种基于误差状态卡尔曼滤波(Error State Kalman Filter, ESKF)的激光雷达和惯性测量单元(IMU)融合的里程计算法。首先,对输入的点云进行预处理和运动畸变补偿,接着使用一种改进的特征提取方式筛选出平面特征和边缘特征,依据这两类特征构建改进的位姿残差优化方程,求解出相邻激光帧的位姿;其次,在IMU所在的线程中,根据加速度计和角速度计的输出值预测位姿,然后结合点云匹配给出的位姿构建ESKF,最后,使用更新后的误差状态量补偿系统的运动状态。实验对比结果表明,此算法相比现有的方法有效降低了相对位姿误差和累积误差,提高了激光里程计位姿匹配时的精度和建图的效果。展开更多
文摘针对现有激光里程计算法在水面环境上难以提取特征点,在位姿匹配时容易发生漂移导致精度低的问题,文章提出一种基于误差状态卡尔曼滤波(Error State Kalman Filter, ESKF)的激光雷达和惯性测量单元(IMU)融合的里程计算法。首先,对输入的点云进行预处理和运动畸变补偿,接着使用一种改进的特征提取方式筛选出平面特征和边缘特征,依据这两类特征构建改进的位姿残差优化方程,求解出相邻激光帧的位姿;其次,在IMU所在的线程中,根据加速度计和角速度计的输出值预测位姿,然后结合点云匹配给出的位姿构建ESKF,最后,使用更新后的误差状态量补偿系统的运动状态。实验对比结果表明,此算法相比现有的方法有效降低了相对位姿误差和累积误差,提高了激光里程计位姿匹配时的精度和建图的效果。
