雷达、惯性测量和视觉技术的完美结合：4D iRIOM

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# 4D iRIOM: 4D Imaging Radar Inertial Odometry and Mapping

论文地址：https://arxiv.org/abs/2303.13962

作者单位：武汉大学

毫米波雷达可以在恶劣条件下（如雾天）测量物体的距离、方向和多普勒速度。具有垂直和水平数据的4D成像雷达还可以测量物体的高度。以前的研究使用3D雷达进行运动估计。但是很少有方法利用成像雷达的丰富数据，并且它们通常省略了受雷达多路径回波影响的建图，从而导致里程计精度较低。本文提出了一种基于子地图概念的实时成像雷达惯性里程计和建图方法iRIOM。为了抵御移动物体和多径反射，使用迭代重新加权最小二乘法从单个扫描中获取速度。

采用分布到多分布距离匹配来测量稀疏非重复雷达扫描点和子地图点之间的一致性。通过迭代扩展卡尔曼滤波器将速度、帧到子地图匹配与6D惯性数据融合，以获取平台的3D位置和方向。还开发了一个环路闭合模块来抑制里程计模块的漂移。据我们所知，基于这两个模块的iRIOM是第一个4D雷达惯性SLAM系统。在我们和第三方数据上，我们展示了iRIOM对FastLIO-SLAM和EKFRIO的优秀里程计精度和建图一致性。此外，消融研究揭示了惯性数据相对于恒速模型、帧到子地图匹配相对于帧到帧匹配以及环路闭合的好处。

本文贡献如下：

1.通过迭代卡尔曼滤波将IMU数据与雷达扫描的自身速度数据和雷达点匹配数据进行融合，形成了一个稳健的里程计系统。在估计自身速度时，运动目标和多径回波被迭代加权最小二乘法抑制。该系统在我们的数据集和彩色雷达数据集的室内和室外序列上进行了测试，表现出良好的性能。

2.代替帧到帧匹配，我们使用了帧到子图匹配的概念，并设计了分布到多分布点匹配度量。这是针对稀疏雷达点往往没有精确的点匹配，减少了帧间匹配的轨迹漂移而定制的。消融研究证实了这一优势。

3.为了消除里程计的漂移和获得一致的建图结果，我们对雷达里程计中的姿态进行了改进和闭合。我们的消融研究显示了一致的标测结果和回环检测的好处。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容