Ein eng gekoppelsch Rahmen für den großflächigen Kartenbau mit mehreren nicht-repetitiven Scanning-LiDARs

Mit der Fähigkeit, direkte und ausreichend genaue Entfernungsmessungen bereitzustellen, spielt die Lichtdetektion und -messung (LiDAR) eine wesentliche Rolle bei der Lokalisierung und Erkennung für autonome Fahrzeuge. Da einzelne LiDAR-Geräte sporadisch unter Hardwareausfällen und Leistungsabbauten leiden, präsentieren wir in diesem Artikel ein Multi-LiDAR-Integrationsschema. Unser Framework koppelt mehrere nicht-repetitive Scanning-LiDARs eng mit Inertialsensoren, Radmessern und Echtzeitkinematik (RTK) zur Schätzung der Pose und gleichzeitigen globalen Kartenerstellung. Zunächst formulieren wir eine präzise Synchronisationsstrategie zur Integration isolierter Sensoren, und die extrahierten Merkmale von separaten LiDARs werden in einem einzigen Sweep zusammengefasst. Die fusionierten Scans werden eingeführt, um die Scan-Anpassungsentsprechungen zu berechnen, die durch zusätzliche RTK-Messungen weiter verfeinert werden können. Darauf basierend konstruieren wir einen Faktorgrafen zusammen mit dem Inertial-Preintegrationsresultat, geschätzten Bodenbeschränkungen und RTK-Daten. Um eine beschränkte Anzahl von Posen für die Schätzung beizubehalten, setzen wir in unserem System eine schlüsselframebasierte Optimierungsstrategie mit gleitendem Fenster ein. Die Echtzeitleistung wird durch mehrfädige Berechnung garantiert, und umfangreiche Experimente werden in herausfordernden Szenarien durchgeführt. Experimentelle Ergebnisse zeigen, dass die Nutzung mehrerer LiDARs die Systemleistung sowohl in Robustheit als auch in Genauigkeit steigert.