CTE-MLO：第一个基于滤波器的连续时间多激光雷达里程计-CSDN博客

本文链接：https://blog.csdn.net/techflowai/article/details/142531458

更多优质内容，请关注公众号：智驾机器人技术前线

1.论文信息

论文标题：CTE-MLO: Continuous-time and Efficient Multi-LiDAR Odometry with Localizability-aware Point Cloud Sampling
作者：Hongming Shen, Zhenyu Wu, Wei Wang, Qiyang Lyu, Huiqin Zhou, Tianchen Deng, Yeqing Zhu, Danwei Wang∗
作者单位：南洋理工大学
实验视频：https://youtu.be/PUlrvZ33m8Y
论文链接：https://arxiv.org/pdf/2408.04901

2.摘要

近年来，基于激光雷达的定位和建图方法因其可靠和实时的定位能力取得了显著进展。考虑到单个激光雷达里程计在实际场景中经常面临硬件故障和性能退化的问题，多激光雷达里程计（MLO）作为一种新兴技术，被研究以增强基于激光雷达的定位和建图系统的性能。然而，MLO可能会因为从多个激光雷达融合的密集点云引入的高计算复杂性而受到影响，而且现有的激光雷达里程计常常忽视了连续时间测量特性。这激发了我们开发一种连续时间高效多激光雷达里程计（CTE-MLO），它可以通过连续时间视角使用多激光雷达测量实现准确和实时的状态估计。在本文中，高斯过程估计自然地与卡尔曼滤波器结合，使得点流中的每个激光雷达点能够查询其时间瞬间内对应的连续时间轨迹。此外，还设计了一种去中心化的多激光雷达同步方案，将来自不同激光雷达的点合并为一个单一的点云，而无需主要激光雷达分配的要求。而且，为了在不牺牲鲁棒性的情况下提高MLO的实时性能，设计了一种考虑可定位性的点云采样策略。最终，CTE-MLO在卡尔曼滤波器框架内集成了同步、可定位性感知采样、连续时间估计和体素地图管理，能够通过少量线性迭代实现实时状态估计。通过包括公共数据集和真实世界自动驾驶实验在内的各种场景，证明了所提出方法的有效性。结果表明，所提出的CTE-MLO能够实现高精度的连续时间实时状态估计，并且与其他最先进的（SOTA）方法相比具有明显的竞争力。

3.主要贡献

考虑到激光雷达点流的固有连续时间特性，我们扩展了仅激光雷达里程计的潜力，并开发了一种连续时间多激光雷达里程计（CTE-MLO），它能够使用纯激光雷达测量实现实时和精确的状态估计，无需任何额外的传感器融合；
采用高斯过程表示来描述连续时间轨迹，这使得连续时间激光雷达里程计与卡尔曼滤波器的自然结合成为可能。据我们所知，CTE-MLO是第一个基于滤波器的连续时间多激光雷达里程计，它能够在几次线性迭代内高效解决连续时间状态估计问题；
设计了一种去中心化的多激光雷达同步方案，使用激光雷达分割技术结合多个激光雷达测量，对任意激光雷达故障都具有鲁棒性。考虑到同步多激光雷达观测提供的大量点，提出了一种高效的可定位性感知点云采样方法，以提高多激光雷达里程计的实时性能，同时几乎不牺牲准确性；
提出了一个完整的连续时间多激光雷达里程计框架，该框架集成了去中心化同步、可定位性感知采样、连续时间估计和体素地图管理；
在公共数据集上进行了全面的基准比较，结果表明CTE-MLO在准确性和效率方面与最先进的多激光雷达里程计方法相比具有竞争力。在实际自动驾驶卡车上进行了真实世界的工业应用，以展示CTE-MLO的性能和应用。

4.核心思想与方法

CTE-MLO算法是一种先进的多激光雷达里程计系统，它通过结合连续时间估计和高效处理技术，实现了精确和实时的定位与建图。

连续时间处理：
- 算法考虑了激光雷达点云流的连续时间特性，与传统的离散时间处理方法相比，能够更准确地处理激光雷达数据。
- 利用高斯过程来描述连续时间轨迹，这允许算法在每个时间点上对激光雷达点进行查询，以确定其在连续时间轨迹上的位置。
高斯过程与卡尔曼滤波器的结合：
- 通过高斯过程估计和卡尔曼滤波器的自然结合，实现了对连续时间激光雷达里程计的有效处理。
- 算法能够通过线性迭代高效解决连续时间状态估计问题，这是通过解析雅可比矩阵和状态更新方程来实现的。
去中心化的多激光雷达同步方案：
- 设计了一种去中心化的同步方案，可以在没有主激光雷达定义的情况下，将多个激光雷达的测量数据合并和同步。
- 这种同步方案对于任意激光雷达的故障都具有鲁棒性，并且能够以固定频率更新同步的激光雷达扫描。
可定位性感知的点云采样技术：
- 为了在不牺牲准确性的情况下提高实时性能，算法开发了一种点云采样技术，该技术在采样时考虑了可定位性。
- 通过评估激光雷达退化情况，算法能够有效地减少点云中的冗余点，从而提高处理效率。
卡尔曼滤波器框架的集成：
- 算法将去中心化同步、可定位性感知采样、连续时间估计和体素地图管理等理论及实践实现成功集成到卡尔曼滤波器框架中。
- 这种集成方法使得算法能够在保持实时性的同时，仅通过少量线性迭代即可实现状态估计。

5.实验验证仿真

6.总结

在本文中，开发了一种称为CTE-MLO的连续时间高效多激光雷达里程计（MLO），通过利用多个激光雷达的信息实现高频下的精确定位和建图。通过详细的推导，我们将高斯过程估计与卡尔曼滤波器相结合，该滤波器使用非刚性配准处理连续时间激光雷达点流，并在卡尔曼滤波器的更新过程中整合点云畸变校正。连续时间激光雷达更新的解析雅可比矩阵也得到了推导。得益于连续时间激光雷达测量的特性，设计了一种去中心化的多激光雷达同步方案，使用激光雷达分割技术合并和同步不同激光雷达的点云。所提出的同步方案完全去中心化，无需预先定义主激光雷达，并且可以以固定频率更新同步的激光雷达扫描。

此外，考虑到MLO系统中实时性能与准确性之间的权衡，开发了一种点云采样技术，该技术显著提高了CTE-MLO的实时性能，几乎不牺牲准确性。通过将一系列理论和实践实现（例如去中心化同步、可定位性感知点云采样、连续时间配准和体素地图管理）成功集成到卡尔曼滤波器中，所提出的方法在与其他最先进的方法相比具有明显的竞争力，并且具有巨大的潜力，可以推动现场机器人应用的发展。