Los puntos clave no están disponibles para este artículo en este momento.
El radar asegura capacidades de detección robustas en condiciones climáticas adversas, pero persisten desafíos debido a su alto nivel de ruido inherente. La odometría radar existente ha superado estos desafíos con estrategias como el filtrado de puntos espúreos, la explotación de la velocidad Doppler o la integración con medidas inerciales. Este artículo presenta dos mejoras novedosas más allá de la odometría radar-inercial existente: filtrado de ruido optimizado para el suelo e preintegración continua de velocidad. A pesar del uso generalizado de planos de suelo en la odometría LiDAR, las distribuciones imprecisas de puntos de suelo en las mediciones de radar hacen que el ajuste ingenuo de planos falle. A diferencia del ajuste de planos en LiDAR, introducimos un modelado de suelo basado en zonas y consciente de la incertidumbre, diseñado específicamente para radar. En segundo lugar, notamos que las mediciones de velocidad del radar pueden combinarse mejor con la IMU para una preintegración más precisa en la odometría radar-inercial. Los métodos existentes a menudo ignoraban las discrepancias temporales entre el radar y la IMU al simplificar las complejidades de los flujos de datos asíncronos con modelos de propagación discretizados. Abordando este problema, aprovechamos el GP y formulamos un método de preintegración continua para integrar estrechamente la velocidad lineal de 3 grados de libertad con la IMU, facilitando un movimiento completo de 6 grados de libertad directamente desde las mediciones en bruto. Nuestro enfoque demuestra un rendimiento notable (menos del 1% de deriva vertical) en conjuntos de datos públicos con condiciones meticulosas, ilustrando una mejora sustancial en la precisión de elevación. El código será liberado como código abierto para la comunidad: https://github.com/wooseongY/Go-RIO.
Yang et al. (Wed,) estudiaron esta cuestión.