以下內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機器人SLAM學(xué)習(xí)資料大禮包

#論文##開源代碼# ?Wheel-SLAM: Simultaneous Localization and Terrain Mapping Using One Wheel-mounted IMU 論文地址：https://arxiv.org/abs/2211.03174

作者單位：武漢大學(xué) 開源地址：GitHub - i2Nav-WHU/Wheel-SLAM: Simultaneous Locali... ?移動機器人需要一種對環(huán)境干擾具有魯棒性的可靠位姿估計器。為此，慣性測量單元（IMU）發(fā)揮了重要作用，因為它們可以獨立感知車輛的全運動狀態(tài)。然而，由于固有的噪聲和偏置不穩(wěn)定性，它會出現(xiàn)累積誤差，尤其是對于低成本傳感器。在我們之前對 Wheel-INS的研究中，我們提出通過在機器人的輪子上安裝 IMU 以利用旋轉(zhuǎn)調(diào)制來限制純慣性導(dǎo)航系統(tǒng) (INS) 的誤差漂移。但是，由于缺乏外部校正信號，它仍然在很長一段時間內(nèi)漂移。在這篇文章中，我們建議利用 Wheel-INS 的環(huán)境感知能力來實現(xiàn)僅使用一個 IMU 的同時定位和建圖 (SLAM)。具體來說，我們使用路堤角度（由 Wheel-INS 估計的機器人滾動角度反映）作為地形特征，以使用 Rao-Blackwellized 粒子濾波器實現(xiàn)閉環(huán)。根據(jù)粒子維護的網(wǎng)格圖中的機器人位置，對路堤角度進行采樣和存儲。根據(jù)當(dāng)前估計的滾動序列與地形圖之間的差異更新粒子的權(quán)重?，F(xiàn)場實驗表明，使用機器人滾動角估計在 WheelINS 中執(zhí)行 SLAM 的想法是可行的。此外，定位精度比 Wheel-INS 顯著提高（超過 30%）。本文貢獻如下：1、提出并實現(xiàn)了一種只有一個 Wheel-IMU 使用地形特征（由 Wheel-IMU 測量）的 SLAM 系統(tǒng)。2、我們通過廣泛的現(xiàn)場實驗說明了利用機器人滾動角估計來實現(xiàn)閉環(huán)以有效限制Wheel-INS中的誤差漂移的可行性。3、據(jù)我們所知，這是文獻中第一個只為輪式機器人使用一個低成本輪式 IMU 的 SLAM 系統(tǒng)。

以上內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容