基于LVI-SAM-Stereo的多传感器融合室内外建图定位

摘要

针对机器人在室内外建图定位精度低、场景适应性差的问题，提出一种基于双目相机的紧耦合激光雷达(light detection and ranging, LiDAR)视觉惯性里程计平滑建图定位(tightly-coupled LiDAR-visual-inertial odometry via smoothing, mapping, and relocalization by stereo, LVI-SAM-Stereo)方法。采用点线和点面距离构建激光雷达惯性位姿估计模型；利用多传感器信息交互实现双目惯性里程计快速初始化，基于最小化重投影误差优化里程计位姿；提出融合Scan-Context与视觉特征的跨模态回环检测机制，有效减少错误回环；构建重定位双向优化架构，将因子图优化的里程计信息用作视觉跟踪的初始位姿估计，基于多点透视(perspective-n-point, PnP)求解视觉位姿辅助激光雷达点云配准。通过数据集和真实场景的大量试验，相较于紧耦合激光雷达惯性里程计平滑建图(tightly-coupled LiDAR inertial odometry via smoothing and mapping, LIO-SAM)方法和紧耦合激光雷达视觉惯性里程计平滑建图(tightly-coupled LiDAR-visual-inertial odometry via smoothing and mapping, LVI-SAM)方法，LVI-SAM-Stereo方法在室外场景的建图精度分别提升3.10%和5.97%,在室内场景的平均漂移分别降低72.7%和43.05%,建图精度和场景适应性显著提升。重定位满足机器人自主导航的工程需求。

关键词

机器人 / 多传感器融合 / 视觉惯性里程计 / 回环检测 / 重定位