仪器仪表学报

作者：高 旺，赵 恒，刘 宏，潘树国，黄飞璇

单位：高 旺,1.东南大学仪器科学与工程学院,,赵 恒,1.东南大学仪器科学与工程学院,,刘 宏,1.东南大学仪器科学与工程学院,,潘树国,1.东南大学仪器科学与工程学院,,黄飞璇,1.东南大学仪器科学与工程学院,

关键词：隐式神经表征;轻量化地图;先验地图;匹配定位

基金：国家重点研发计划(2021YFB3900804)项目资助

针对现有匹配定位算法依赖高内存且稠密点云地图的问题,提出基于隐式神经地图的激光雷达/惯性测量单元(LiDAR/IMU)融合匹配定位算法。首先,利用浅层感知机预测有向距离场构建轻量化及高分辨率的隐式神经地图;其次,通过点到隐式神经模型配准方法,实现基于轻量化隐式神经地图的低频状态估计。同时,针对单一激光雷达隐式配准过程中难以应对激进运动的问题,引入IMU预积分方法为隐式配准提供状态估计预测值,以减少配准过程的迭代次数;最后,基于因子图融合激光里程计因子和IMU预积分因子,实现鲁棒的高频状态估计。在KITTI数据集、实测室内走廊及室外校园环境下的实验结果表明,所构建的隐式神经地图内存占用相较于传统点云地图可减少87%,实现更轻量化的地图表示;在KITTI数据集中,提出的激光雷达隐式配准算法定位精度相比传统NDT算法提高了43.4%;引入IMU后,该融合算法定位精度相比NDT-IMU算法提高了60%;在室内和室外校园实测数据中,也验证了算法在小场景下的厘米级实时定位能力。同时分析得出,IMU的引入使得隐式神经地图配准耗时大幅减少,显著提升了地图匹配定位的实时性。

来源：2024年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第12期