LE-VINS：固态激光雷达增强的视觉惯性导航系统

在光照剧烈变化、动态物体、弱纹理等视觉退化场景，视觉路标点的深度估计难度急剧增加，导致视觉惯性导航系统(VINS)的精度和鲁棒性恶化。采用非重复扫描原理的固态激光雷达，为解决视觉路标点深度估计问题带来便利。面向低速机器人应用，我们提出了一种固态激光雷达增强的视觉惯性导航系统(LE-VINS)，惯性导航系统(INS)位姿辅助了固态激光雷达点云积累，实现了视觉特征和激光雷达点云的有效关联，为视觉路标点提供了精确的深度测量，提高了系统在复杂环境下导航定位的精度和鲁棒性。

视觉惯性导航系统(VINS)被广泛应用于移动机器人、自动驾驶、三维重建等领域。一般地，视觉路标点深度由视觉特征的三角测量得到，其深度估计精度直接影响系统定位精度和鲁棒性。然而，路标点深度估计的准确性一方面受光照变化、动态物体和弱视觉纹理等环境因素影响，另一方面受基于微机电系统(MEMS)的惯性导航系统(INS)位姿精度影响。多目相机能直接估计路标点的深度，但会受到相机间基线长度、外参标定精度及环境因素等的影响。

激光雷达(LiDAR)能够直接进行精确的深度测量，可以被用于增强视觉导航系统。三维机械扫描式LiDAR能够实现360°水平视角的测量，但垂直视场角较小且垂直方向角分辨率低，导致相机和激光雷达的视场重叠区域少(尤其是低线束LiDAR)，不利于视觉特征和激光雷达点云的关联。采用非重复扫描模式的低成本固态激光雷达，如Livox Mid-70，通过累积一段时间的激光雷达点云，可以获得相对稠密的点云地图，从而有效覆盖相机图像的大部分区域，为视觉特征和激光雷达点云深度关联带来了便利，如图1所示。

图1: 固态激光雷达Livox Mid-70(70°圆形视场角)和相机(水平视场角约80°)的视场角示意图(此处点云累积了20秒，根据点云的反射强度进行的颜色渲染)

面向低速机器人导航应用，我们提出了一种固态激光雷达增强的视觉惯性导航系统LE-VINS(Tang Hailiang et. al, 2023)，实现了大尺度复杂环境的实时、稳健、精确的定位。LE-VINS是在我们前期工作IC-GVINS(Niu Xiaoji et. al, 2023)基础上，引入固态激光雷达，为视觉路标点提供精确的深度测量。LE-VINS的设计原理见图2，主要贡献如下：

采用非重复扫描模式的固态激光雷达为视觉路标点提供精确的深度信息。在因子图优化(FGO)的框架进行视觉特征点、激光雷达深度和IMU测量的紧耦合，实现了最大后验状态估计。
提出了一种鲁棒的深度关联算法，实现了视觉特征和INS位姿辅助的固态激光雷达点云的有效关联，精确估计了视觉路标点的深度。同时，提出了一种有效的深度校验方法，显著提高了路标点深度估计的鲁棒性。
估计的深度信息不仅被用作路标点的初始深度，还被用于在FGO中构建激光雷达深度因子，以直接约束路标点的深度。如果路标点被边缘化，则可以将激光雷达深度因子转换为先验因子，从而保留对位姿状态的精确约束。
基于低速机器人载体在大尺度复杂环境中进行了实测实验。结果表明，相比于IC-VINS系统， LE-VINS显著提升了导航定位的鲁棒性和准确性。与此同时， LE-VINS优于主流的激光雷达视觉惯性导航系统和激光雷达增强方法。

总结：本工作充分发挥了固态激光雷达非重复式扫描的特性，实现了视觉特征和激光雷达点云深度的有效关联。通过构建激光雷达深度测量因子，在因子图优化框架下为视觉路标点提供了有效的深度测量。激光雷达深度测量直接有效地约束了视觉路标的深度估计，从而显著提高了导航定位精度。同时，提高了视觉特征跟踪的连续性，进一步提高了视觉惯性导航系统的鲁棒性。本工作在我们前期开源项目IC-GVINS (Tang Hailiang，2022)基础上研究并实现的。

参考文献

[1] Hailiang Tang, Xiaoji Niu, Tisheng Zhang, Liqiang Wang, and Jingnan Liu, “LE-VINS: A Robust Solid-State-LiDAR-Enhanced Visual-Inertial Navigation System for Low-Speed Robots,” IEEE Trans. Instrum. Meas., vol. 72, pp. 1–13, 2023, doi: 10.1109/TIM.2023.3260279.

[2] Xiaoji Niu, Hailiang Tang, Tisheng Zhang, Jing Fan, and Jingnan Liu, “IC-GVINS: A Robust, Real-Time, INS-Centric GNSS-Visual-Inertial Navigation System,” IEEE Robotics and Automation Letters, vol. 8, no. 1, pp. 216–223, Jan. 2023, doi: 10.1109/LRA.2022.3224367.

[3] Hailiang Tang, “IC-GVINS: A Robust, Real-time, INS-Centric GNSS-Visual-Inertial Navigation System,” 2022. [Online]. Available: https://github.com/i2Nav-WHU/IC-GVINS.

LE-VINS：固态激光雷达增强的视觉惯性导航系统相关推荐

ICRA 2021论文汇总：视觉-惯性/视觉SLAM
作者丨zzyy@知乎来源丨https://zhuanlan.zhihu.com/p/388715878 编辑丨3D视觉工坊一.视觉惯性组合(21) 1.cooperative Transporta ...
【ORB-SLAM3论文翻译】ORB-SLAM3：一个精确的视觉、视觉惯性和多地图SLAM的开源库（注：带着原文看，很多公式和变量不好输入）
文章目录前言(非论文部分) 摘要 1. 简介 2. 相关工作 3. 系统概述 4. 相机模型 5. 视觉惯性SLAM(重点) 6. 地图合并与闭环 7. 实验结果 8. 结论 REFERENCES( ...
用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 Plane-Aided Visual-Inertial Odometry for 6-DOF Pose ...
LiLi-OM: 走向高性能固态激光雷达惯性里程计和建图系统
点击上方"计算机视觉工坊",选择"星标" 干货第一时间送达编辑丨当SLAM遇见小王同学声明: 本文只是个人学习记录,侵权可删.论文版权与著作权等全归原作者所 ...
通过消失点辅助激光雷达视觉惯性估计器（ICRA2021）
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨晃晃悠悠纵马江湖@知乎来源丨https://zhuanlan.zhihu.com/p/4189 ...
面向固态激光雷达和惯导的里程计和建图
点云PCL免费知识星球,点云论文速读. 文章:Towards High-Performance Solid-State-LiDAR-Inertial Odometry and Mapping 作者:K ...
【开源分享】VIDO-SLAM：一种视觉惯性动态物体SLAM系统
文章:Inertial-Only Optimization for Visual-Inertial Initialization 作者:Carlos Campos, Jose M.M. Montiel ...
GVINS：基于GNSS视觉惯性紧耦合的平滑状态估计方法
文章:GVINS: Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State Estimation 作者: ...
基于固态激光雷达Livox的建图与定位系统！提供Docker自测！
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨黄思渊来源丨计算机视觉life 今天介绍一个最新的SLAM开源算法,作者开源了一套完整易用的 ...

LE-VINS：固态激光雷达增强的视觉惯性导航系统

LE-VINS：固态激光雷达增强的视觉惯性导航系统相关推荐

最新文章

热门文章