以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

【资料图】

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# AdaLIO: Robust Adaptive LiDAR-Inertial Odometry in Degenerate Indoor Environments

论文地址：https://arxiv.org/abs/2304.12577

作者单位：KAIST

近年来，使用LiDAR传感器绘制建筑工地或建筑物的地图的需求增加，以建模环境以实现有效的工地管理。然而，据观察，有时基于激光雷达的方法在狭窄和受限的环境中会出现分歧，如螺旋楼梯和走廊，无论环境如何变化，都是由固定参数造成的。也就是说，LiDAR(-惯性)里程计的参数大多是针对开放空间设置的；因此，如果将适用于开放空间的相同参数应用于走廊状场景，则会导致里程计方法的发散，这被称为退化。

为了解决这一退化问题，我们提出了一种称为Adalio的稳健的LiDAR惯性里程计，它采用了一种自适应的参数设置策略。为此，我们首先通过检查周围环境是否为类似走廊的环境来检查退化。如果是，则自适应地改变与体素化和法向量估计相关的参数以增加对应的数目。通过在公共数据集中的验证，我们提出的方法在狭窄和拥挤的环境中表现出了良好的性能，避免了退化问题。

本文的贡献有三个方面：

1、我们提出了一种退化环境-稳健的LIO，通过避免退化来防止在拥挤环境中的发散。

2、提出了自适应参数设置策略，该策略自适应地调整与体素化和对应估计有关的一些参数，以保持对应的数目，使得我们的方法对这些狭窄场景具有鲁棒性。

3、在定性评估中，我们的Adalio方法在狭窄和拥挤的环境中与最先进的方法相比表现出了良好的性能。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容