RAL 2023|清华大学发布DRIO：动态环境下鲁棒的雷达-惯性里程计

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# RAL 2023|清华大学发布DRIO：动态环境下鲁棒的雷达-惯性里程计

【DRIO: Robust Radar-Inertial Odometry in Dynamic Environments】

文章链接：DRIO: Robust Radar-Inertial Odometry in Dynamic En...

准确和鲁棒的定位对于移动机器人至关重要。近年来，毫米波( mmWave )雷达由于具有全天候、轻便、低成本等优点，被广泛应用于里程计中。然而，现有的基于雷达的里程计方法在高动态环境下退化严重。在这篇文章中，我们提出了一种适用于高动态环境的鲁棒雷达惯性里程计方法( DRIO )，该方法利用了地面，这个一直存在的不受动态环境影响的静态目标。

在以往的工作中，由于地面点的分布不稳定，传统上将地面点作为杂波点处理。我们通过同时利用多普勒和几何特征来检测地面点，克服了这一局限性。在检测过程中，联合估计精确的雷达速度，然后将其与惯性数据融合得到里程计。真实世界的评估表明，所提出的方法在复杂的动态环境中实现了鲁棒和Lidar级的定位。除了里程计，我们的方法可以有效地提高雷达点云的质量，用于后续的感知任务。