LOG-LIO: 一種高效局部幾何信息估計的激光雷達慣性里程計方法

摘要

局部幾何信息即法線和點分布在基于激光雷達的同時定位與地圖構(gòu)建（SLAM）中是至關(guān)重要，因為它為數(shù)據(jù)關(guān)聯(lián)提供了約束，進一步確定了優(yōu)化方向，最終影響姿態(tài)的準確性。然而即使在使用KD樹或體素圖的輔助下，估計法線和點分布也是耗時的任務(wù)。為了實現(xiàn)快速法線估計，我們研究了激光雷達掃描幀的結(jié)構(gòu)信息，提出了一種新穎的快速近似最小二乘（FALS）方法，通過預(yù)先計算的方位角信息，當新的掃描幀到達時，估計法線僅需要點的距離信息，為了高效估計點的分布，我們將ikd樹擴展到體素管理地圖，并在保持法線一致性的同時增量更新其點云分布。對于滿足基于法線的可見性和一致性檢查的掃描點，我們設(shè)計了一種穩(wěn)健且準確的分層數(shù)據(jù)關(guān)聯(lián)方案，其中點到曲面的關(guān)聯(lián)優(yōu)先于點到平面的關(guān)聯(lián)，在分布趨于收斂后，我們進一步固定體素以平衡時間消耗和表示的正確性，在多樣的公開數(shù)據(jù)集上進行的大量實驗表明，與其他先進方法相比，我們的系統(tǒng)具有明顯優(yōu)勢。

主要貢獻

地圖體素內(nèi)逐步更新點云分布以保持空間信息的正確性，同時與法線保持一致性。為了平衡時間消耗和表示的正確性，我們在擴展的ikd樹上管理地圖，并在分布收斂后進一步固定分布。本工作的主要貢獻如下：

Ring FALS一種利用特定激光雷達的結(jié)構(gòu)信息的新型快速近似最小二乘法法線估計器，與PCL相比快速而準確，滿足LIO系統(tǒng)的實時要求。

考慮地圖體素內(nèi)點分布的魯棒且準確的分層數(shù)據(jù)關(guān)聯(lián)方案，其中點到曲面的關(guān)聯(lián)優(yōu)先于點到平面的關(guān)聯(lián)，大尺度優(yōu)先于小尺度。

對公共數(shù)據(jù)集進行廣泛實驗，證明我們的LIO系統(tǒng)相對于其他最先進的方法具有優(yōu)勢。為了使社區(qū)受益，該工作實現(xiàn)已在 https://github.com/tiev-tongji/LOG-LIO 開源，還將Ring FALS作為獨立的法線工具開源在 https://github.com/tiev-tongji/RingFalsNormal。

主要內(nèi)容

LOG-LIO的流程接收來自3D激光雷達和慣性測量單元（IMU）的輸入，如圖2所示。對于新的輸入掃描，我們首先使用Ring FALS來估計原始點的法線，在使用IMU測量校正畸變后，根據(jù)它們的局部幾何信息，在未畸變的點云和地圖之間執(zhí)行關(guān)聯(lián)。我們通過iEKF整合IMU的測量，并通過類似FAST-LIO的方法優(yōu)化機體的姿態(tài)，在優(yōu)化之后，新的點被添加到由擴展的ikd樹管理的地圖中，地圖體素內(nèi)的分布在考慮法線的同時進行增量維護，以確保其準確性，并在收斂后進行固定。

圖2. LOG-LIO系統(tǒng)概述

圖3. 白色線條表示來自 Ring FALS 估計的法線

實驗

表 I 顯示了用于 M2DGR 和 NTU VIRAL 數(shù)據(jù)集中 Velodyne-32 LiDAR 的單次掃描的平均法線估計處理時間。對于 Velodyne-32 LiDAR 的單次掃描約有 57,600 個點，與 PCL 相比，Ring FALS 的耗時僅為十分之一，與 OMP 版本相比甚至只有四分之一。對于 Ouster16 LiDAR，無論是單線程還是 OMP 版本，Ring FALS 的時間消耗都遠小于 PCL，分析 PCL 的結(jié)果，盡管 Ouster-16 LiDAR 的點數(shù)少于 Velodyne-32，但耗時反而增加，原因是 PCL 法線估計中最耗時的部分之一是 KDtree 鄰域搜索，這與 KDtree 的結(jié)構(gòu)有關(guān)。

表格 II 報告了實驗結(jié)果，可以看出，在室內(nèi)場景中，LOG、LOG-C 和 FAST-LIO2 的軌跡準確性接近，并在大多數(shù)序列中優(yōu)于 LIO-SAM。

圖4顯示了數(shù)據(jù)集street10 的軌跡，進行了定性比較，LOG 的出色表現(xiàn)證明與稀疏點場景中的地圖體素關(guān)聯(lián)更好地表示了局部幾何信息。

圖4. M2DGR 數(shù)據(jù)集序列 street10 中的定位估計，放大的彩色框圖像對應(yīng)于軌跡中相同顏色的框。LOG-LIO 在大多數(shù)實驗中獲得最佳結(jié)果，緊隨其后的是 FAST-LIO2，而由于 LiDAR 點云和地圖的稀疏性，LIO-SAM 更容易失敗，如表格 III 所示

每個序列中 LOG-LIO 和 FAST-LIO2 的平均耗時，如表 IV 所示。

總結(jié)

本文提出的LOG-LIO是一種在線激光雷達慣性里程計法，它結(jié)合實時的法線和點分布估計來準確表示局部幾何信息。同時還提出了一種高效的激光雷達點云法線估計方法，名為 Ring FALS，它預(yù)先計算了方位信息并僅利用距離信息來估計點的法線，LOG-LIO 通過擴展的 ikd-tree 管理地圖，并在地圖體素內(nèi)逐步維護法線和點分布，分層數(shù)據(jù)關(guān)聯(lián)方案提供了精確的約束，從而實現(xiàn)更準確的姿態(tài)估計，在各種環(huán)境中，LOG-LIO 在實驗中表現(xiàn)出色，優(yōu)于現(xiàn)有的 LIO 系統(tǒng)。