Degradation Resilient LiDAR-Radar-Inertial Odometry

在未来的自主系统中，使自主机器人能够在具有挑战性的环境中稳健地运行是必要的。对于许多自主系统来说，估计和测距仍然是单点故障，很难甚至不可能恢复。因此，稳健的测距解决方案非常重要。本文提出了一种紧密耦合的LiDAR-Radar-Inertial融合测距方法，可以通过利用补充感知模态来减轻LiDAR退化的影响，同时在良好条件下保持LiDAR的精度。所提出的方法将多种模式组合在基于因子图的窗口平滑器中，具有传感器信息特定的因子公式，使得在退化情况下，可以将部分信息传递到非退化轴上的图形中。该方法在真实世界的测试中进行了评估，测试飞行机器人经历了包括几何自相似性和遮挡的退化条件。为了造福社区，我们公开了所提出的数据集：https://github.com/ntnu-arl/lidar_degeneracy_datasets。

提高自主机器人在复杂环境下的鲁棒性，解决单一点故障对估计和里程计带来的影响问题。

利用LiDAR-Radar-Inertial融合方法，通过结合多种感知模态来提高里程计的鲁棒性，同时保持LiDAR在良好环境下的精度。

论文提出了一种基于因子图的窗口平滑器方法，利用传感器信息特定因子公式，使在LiDAR退化的情况下，非退化轴上的部分信息可以传递给因子图。实验采用飞行机器人，在自相似和遮挡等恶劣条件下进行测试，并提供了数据集和开源代码。

最近相关研究包括：1. 'LiDAR-Inertial Odometry in Challenging Environments: Exploiting Lidar Reflectivity with Probabilistic Data Association' 2. 'Robust Odometry Estimation for Ground Vehicles Based on Multi-Sensor Fusion' 3. 'A Comparison of LiDAR and Vision-based State Estimation Techniques for Autonomous Vehicles'