「论文」IROS2020 | 全天候大场景激光SLAM

摘要

在过去的十年中，许多同时定位和建图(SLAM)算法已经使用不同的传感器模态被提出。然而，极端天气条件下的鲁棒SLAM仍然是一个开放的研究问题。为了在大规模环境中进行可靠的定位和测绘，提出了一种基于雷达的SLAM系统RadarSLAM。它由姿态跟踪、局部建图、闭环检测和姿态图优化组成，并通过新的特征匹配和雷达图像上的概率点云生成得到增强。在公共雷达数据集和几个自行收集的雷达序列上进行了广泛的实验，证明了在各种不利天气条件下，如黑夜、浓雾和大雪，最先进的可靠性和定位精度。

引言

在过去的几十年里，SLAM已经被广泛地应用于声纳、照相机和激光雷达等多种传感器领域。然而，对于室外大规模SLAM，确保其稳健运行仍然非常具有挑战性，尤其是在恶劣的天气条件下。近年来，能够在各种天气下工作的调频连续波雷达传感器越来越多地被用于自动潜水车和自主机器人。因此，一个有趣但尚未解决的问题是，在极端天气条件下，如大雪，这些雷达能否用于大规模环境中的鲁棒SLAM。

本文提出了一种利用雷达几何和图形SLAM在大规模室外环境中进行鲁棒定位和建图系统。我们的主要贡献包括:

  • 一种使用雷达几何和图形表示的高效而可靠的特征匹配和姿态跟踪算法。
  • 从雷达图像生成概率点云极大地减少了斑点噪声
  • 基于图形优化的全雷达SLAM系统，即使在恶劣天气条件下也能运行。
  • 在大规模环境中进行了大量真实实验，首次证明了在极端天气(如浓雾和大雪)下可靠的激光SLAM

实验结果

定量和定性实验都是为了在大规模环境和一些不利的天气条件下评估拟议的雷达卫星图像。

1 定量评价

定量评估是为了了解所提出的RadarSLAM系统的姿态估计精度。我们遵循KITTI里程计评估标准，即以100米的增量计算从100米到800米的平均平移和旋转误差。还比较了使用不同传感器的最新里程计和SLAM算法。

Oxford Radar RobotCar Dataset用于定量评估，因为它是一个开放的大规模雷达数据集，易于进行基准测试。它包括32个雷达数据序列，这些数据是在以地面真实姿态穿越牛津的同一条路线时收集的。雷达数据由Navtech CTS350-X捕获，这是一种调频连续波扫描雷达。它被配置为在400个方位角上以4.32厘米的分辨率返回3768个功率读数，并以4Hz的频率工作(最大范围为163米)。由于页面限制，表1和图6中仅给出了5个序列的定位结果。

与先进雷达里程计的比较

选择使用360°FMCW雷达的两种最先进的基于雷达的姿态估计算法[5]，[10]进行比较。一种是基于从雷达图像中提取的雷达几何和点云[5]，而另一种是基于深度学习的方法[10]。由于他们都没有开源实现，并且他们论文中报告的结果只包括平均误差，所以表1中没有每个序列的详细误差。他们在[10]中报告的平均误差在此直接引用。可以看出，所提出的雷达里程计和SLAM方法都优于[5]中的方法，尽管它们不如[10]。我们的雷达SLAM系统实现了2.1854%的平移误差和0.0071度/米的旋转误差，这比我们的纯里程计方法的结果要精确得多。与基于相机和激光雷达的方法进行比较。对基于视觉和激光雷达的算法进行了比较，以综合评估激光雷达的鲁棒性和准确性。请注意，视觉和激光雷达方法提供6个自由度的姿态，投影到XY平面上进行评估。可以看出，所提出的雷达站能够以增强的鲁棒性实现相当或更好的定位精度。

2 定性评价

为了验证该雷达系统在恶劣天气条件下对其他传感器模式的鲁棒性，在具有挑战性的天气条件下，包括雾/雨、雪和夜间1，自收集了5个雷达序列。我们的数据采集车配备了GPS/IMU导航系统、Velodyne HDL-32、ZED立体摄像机和NavTech雷达扫描仪。我们的导航技术雷达最大距离为100米，距离分辨率为0.1736像素/米，与牛津雷达数据集中的雷达略有不同。序列长度见表二。请注意，雪、乡村和夜晚序列有循环闭合，而雾中的其他两个序列没有循环。一些雾/雨、夜和雪序列的样本相机图像图9显示了基于视觉的方法的重大挑战。积雪序列尤其具有挑战性，厚厚的积雪覆盖了相机、激光雷达和雷达传感器的大部分，如图8所示。

极端天气中收集的序列的估计轨迹显示在谷歌地图上绘制的图7中。两个雾/雨序列的姿态估计值随着时间推移而漂移，因为没有循环，而雪、乡村和夜晚的结果接近地面真相。相比之下，基于激光雷达的方法受雾和雪的影响。由于在多雾/多雨的天气里，相机被水滴挡住了，基于视觉的方法也失败了。在夜间序列中，摄像机图像有严重的运动模糊，见图9。雪序列是最具挑战性的一个，因为大雪导致所有的传感器，尤其是相机被遮挡。在所有三种传感器模式中，只有雷达系统能够在所有天气条件下可靠地操作和定位。

3 计算时间

RadarSLAM系统用C++实现，没有GPU。整个系统在搭载英特尔i7 2.60GHz CPU和16 GB RAM的笔记本电脑上以6Hz运行。图10显示了37分钟序列(约9000幅图像)的运行时间，展示了其实时性能。

结论

在本工作中，为调频连续波雷达设计了一个完整的SLAM系统，该系统能够在大规模环境下可靠地在线运行并构建全球一致的地图。提出了一种有效的点云生成概率模型，用于环路闭合检测。在公开的牛津雷达数据集和在不利天气下自行收集的数据集上进行了广泛的实验。未来的工作将研究惯性测量单元与雷达的融合，以提高精度。

转自 当SLAM遇见小王同学

赞 (0)

相关推荐