基于因子图的多传感器融合定位方法OA北大核心CSTPCD
Multi-sensor fusion localization method based on factor graph
针对移动机器人在室内环境中使用单一传感器或松耦合定位存在定位精度低和鲁棒性不足的问题,提出一种基于因子图的多传感器紧耦合定位算法.该算法分别接收来自惯性测量单元(IMU)、轮式编码器和2D激光雷达的数据,并构建IMU预积分因子、轮式里程计因子、位姿先验因子以及激光里程计因子;通过因子图对这些因子进行增量优化后输出得到移动机器人的状态信息,同时实时估计IMU的漂移量并进行校正.实验结果表明,无论是在未知环境还是已知环境下,该定位算法都可以有效提高移动机器人的定位精度和鲁棒性.
Aiming at the problems of low localization accuracy and insufficient robustness of mobile robots using single sensor or loosely coupled localization in indoor environment,a multi-sensor tightly coupled localization algorithm based on factor graph is proposed.The algorithm receives data from inertial measurement unit(IMU),wheel en-coder and 2D lidar,and constructs IMU pre-integration factor,wheel odometry factor,pose prior factor and laser odometry factor.The state information of the mobile robot is obtained after incremental optimization of these factors through the factor graph,and the drift of the IMU is estimated and corrected in real time.Experimental results show that the localization algorithm can effectively improve the localization accuracy and robustness of mobile robots in unknown or known environments.
孙晨阳;张群莉;潘聪;邵兵兵;方灶军
浙江工业大学机械工程学院 杭州 310014||中国科学院宁波材料技术与工程研究所 宁波 315201浙江工业大学机械工程学院 杭州 310014中国科学院宁波材料技术与工程研究所 宁波 315201
移动机器人因子图优化紧耦合惯性测量单元(IMU)预积分
mobile robotfactor graph optimizationtightly-coupledinertial measurement unit (IMU) pre-integration
《高技术通讯》 2024 (004)
413-419 / 7
国家自然科学基金(U1909215,92048201,52127803),浙江省重点研发计划(2022C01096),浙江省自然科学基金(LD22E050007),中科院装备研制项目(YJKYYQ20200030)和宁波市2025重大专项(2021Z020)资助项目.
评论