導讀
本文提出了一種名為Leg-KILO（Kinematic-Inertial-Lidar Odometry）的多傳感器融合框架，專為動態(tài)足式機器人設(shè)計。為解決高動態(tài)運動導致的IMU漂移和LiDAR失真問題，該方法緊密耦合腿部里程計、慣性測量單元（IMU）和LiDAR數(shù)據(jù)，并結(jié)合圖優(yōu)化實現(xiàn)回環(huán)檢測。通過提出基于誤差狀態(tài)卡爾曼濾波器的腿部運動學慣性里程計、高動態(tài)自適應(yīng)掃描分割方法和機器人中心增量建圖，顯著提高了高度和位置估計的精度。實驗表明，Leg-KILO在室內(nèi)外環(huán)境中的漂移顯著小于現(xiàn)有的LiDAR方法，尤其在高動態(tài)運動中表現(xiàn)出優(yōu)越的魯棒性。研究還公開了相關(guān)數(shù)據(jù)集和代碼以供社區(qū)使用。
論文信息
- 標題：Leg-KILO: Robust Kinematic-Inertial-Lidar Odometry for Dynamic Legged Robots
- 作者：Guangjun Ou , Dong Li , and Hanmin Li
- 論文鏈接：https://ieeexplore.ieee.org/document/10631676
- 項目地址：https://github.com/ouguangjun/Leg-KILO
動機(Motivation)
本文的研究動機源于動態(tài)足式機器人在高動態(tài)運動中狀態(tài)估計面臨的挑戰(zhàn)，以及現(xiàn)有方法的局限性：
-
高動態(tài)運動中的問題：
- 動態(tài)足式機器人（如四足機器人）在高動態(tài)運動（如跑步或快步）時，足部沖擊頻繁，導致慣性測量單元（IMU）數(shù)據(jù)退化，尤其是加速度計的漂移。
- LiDAR掃描會受到運動失真影響，進一步導致基于LiDAR的SLAM系統(tǒng)難以穩(wěn)定運行。
- IMU與LiDAR在高動態(tài)環(huán)境中容易累積漂移，尤其是在高度（Z軸）方向。
-
現(xiàn)有方法的不足：
- 單純依賴IMU或LiDAR的狀態(tài)估計方法在高動態(tài)運動中誤差較大，不能滿足動態(tài)足式機器人導航的需求。
- 許多現(xiàn)有方法側(cè)重于中低速運動場景，而忽視了在高速動態(tài)環(huán)境下狀態(tài)估計的精度和魯棒性。
- 一些僅基于腿部運動學和慣性測量的估計方法容易在長時間運動中累積顯著漂移，且在發(fā)生足部滑動等突發(fā)狀況時可能失效。
-
解決這一問題的必要性：
- 提升足式機器人在動態(tài)、高速場景中的狀態(tài)估計精度和魯棒性是實現(xiàn)其在復雜環(huán)境中自主導航和控制的關(guān)鍵。
- 需要整合多傳感器（如腿部運動學、IMU、LiDAR）的信息，發(fā)揮各自優(yōu)勢，彌補單一傳感器的局限性。
基于以上背景，本文提出了Leg-KILO框架，旨在通過多傳感器融合和高效的優(yōu)化方法，解決動態(tài)足式機器人在高動態(tài)運動中的狀態(tài)估計問題，推動相關(guān)領(lǐng)域的發(fā)展。
創(chuàng)新點
-
腿部運動學-慣性里程計的改進：提出了一種基于誤差狀態(tài)卡爾曼濾波器（ESKF）的腿部運動學-慣性里程計方法，結(jié)合接觸高度檢測約束，有效減少了由足部沖擊引起的高度波動。
-
自適應(yīng)掃描切片與拼接：針對高動態(tài)運動帶來的LiDAR掃描失真問題，提出了一種自適應(yīng)掃描切片與拼接方法，根據(jù)機器人運動速度動態(tài)調(diào)整掃描角度，提高了輸入頻率的同時降低了運動失真。
-
機器人中心增量地圖：設(shè)計了一種機器人中心的增量式局部地圖維護方法，通過增量kd-tree技術(shù)高效處理點云的添加和刪除，減少了地圖維護的計算開銷。
-
多傳感器緊密耦合與回環(huán)優(yōu)化：通過圖優(yōu)化框架將腿部里程計、LiDAR里程計以及回環(huán)檢測緊密耦合，從而提升了系統(tǒng)的全局定位精度。
-
全面的實驗驗證與數(shù)據(jù)共享：在室內(nèi)外高動態(tài)環(huán)境下驗證了方法的魯棒性和精確性，結(jié)果優(yōu)于其他LiDAR慣性里程計方法，同時公開了包含腿部運動學數(shù)據(jù)的LiDAR慣性數(shù)據(jù)集和代碼，促進了社區(qū)研究。
本文核心算法
System overview.
本文的核心算法圍繞Leg-KILO框架，融合腿部運動學、慣性測量單元（IMU）和LiDAR數(shù)據(jù)，通過創(chuàng)新的算法模塊提升動態(tài)足式機器人在高動態(tài)環(huán)境中的狀態(tài)估計能力。以下是算法的主要組成：
