【深度学习】武汉大学开源Wheel-SLAM！首个低成本轮式 IMU 的 SLAM 系统

Wheel-SLAM: Simultaneous Localization and Terrain Mapping Using One Wheel-mounted IMU

论文地址：https://arxiv.org/abs/2211.03174

作者单位：武汉大学 开源地址：https://github.com/i2Nav-WHU/Wheel-SLAM  移动机器人需要一种对环境干扰具有鲁棒性的可靠位姿估计器。为此，惯性测量单元（IMU）发挥了重要作用，因为它们可以独立感知车辆的全运动状态。然而，由于固有的噪声和偏置不稳定性，它会出现累积误差，尤其是对于低成本传感器。在我们之前对 Wheel-INS的研究中，我们提出通过在机器人的轮子上安装 IMU 以利用旋转调制来限制纯惯性导航系统 (INS) 的误差漂移。但是，由于缺乏外部校正信号，它仍然在很长一段时间内漂移。在这篇文章中，我们建议利用 Wheel-INS 的环境感知能力来实现仅使用一个 IMU 的同时定位和建图 (SLAM)。具体来说，我们使用路堤角度（由 Wheel-INS 估计的机器人滚动角度反映）作为地形特征，以使用 Rao-Blackwellized 粒子滤波器实现闭环。根据粒子维护的网格图中的机器人位置，对路堤角度进行采样和存储。根据当前估计的滚动序列与地形图之间的差异更新粒子的权重。现场实验表明，使用机器人滚动角估计在 WheelINS 中执行 SLAM 的想法是可行的。此外，定位精度比 Wheel-INS 显着提高（超过 30%）。本文贡献如下：1、提出并实现了一种只有一个 Wheel-IMU 使用地形特征（由 Wheel-IMU 测量）的 SLAM 系统。2、我们通过广泛的现场实验说明了利用机器人滚动角估计来实现闭环以有效限制Wheel-INS中的误差漂移的可行性。3、据我们所知，这是文献中第一个只为轮式机器人使用一个低成本轮式 IMU 的 SLAM 系统。

    



    
往期精彩回顾






    

适合初学者入门人工智能的路线及资料下载
(图文+视频)机器学习入门系列下载
机器学习及深度学习笔记等资料打印
《统计学习方法》的代码复现专辑
机器学习交流qq群955171419，加入微信群请扫码