Los puntos clave no están disponibles para este artículo en este momento.
El radar de ondas milimétricas puede medir distancias, direcciones y velocidad Doppler para objetos en condiciones adversas como la niebla. El radar de imágenes 4D, con datos tanto verticales como horizontales que se asemejan a una imagen, también puede medir la altura de los objetos. Estudios previos han utilizado radares 3D para la estimación de ego-movimiento. Pero pocos métodos han aprovechado los ricos datos de los radares de imagen, y generalmente han omitido el aspecto de mapeo, lo que lleva a una precisión de odometría inferior. Esta carta presenta un método de odometría y mapeo inercial de radar de imágenes en tiempo real, iRIOM, basado en el concepto de submapa. Para tratar con objetos en movimiento y reflexiones multipath, utilizamos el método de no convexidad graduada para estimar de manera robusta y eficiente la ego-velocidad a partir de un solo escaneo. Para medir el acuerdo entre puntos de escaneo de radar esparcidos y no repetitivos y los puntos del submapa, se adopta la distancia de distribución a multidistribución para los emparejamientos. La ego-velocidad y los emparejamientos de escaneo a submapa se fusionan con los datos inerciales 6D por un filtro de Kalman extendido iterativo para obtener la posición y orientación 3D de la plataforma. También se desarrolla un módulo de cierre de bucle para frenar el derivo del módulo de odometría. Hasta donde sabemos, iRIOM basado en los dos módulos es el primer sistema SLAM inercial de radar 4D. En nuestros datos y los de terceros, mostramos la favorable precisión de odometría y consistencia de mapeo de iRIOM frente a FastLIO-SLAM y EKFRIO. Además, el estudio de ablación revela el beneficio de los datos inerciales frente al modelo de velocidad constante, y el emparejamiento de escaneo a submapa frente al emparejamiento de escaneo a escaneo.
Zhuang et al. (Wed,) estudiaron esta pregunta.