室内定位论文速递（11.23-11.25）

多传感器姿态估计的Delta滤波器和卡尔曼滤波器设计在球形移动测绘系统中的应用

关键词

球形机器人；姿态估计；传感器融合；卡尔曼滤波器；Delta滤波器；移动测绘；LiDAR

研究问题

球形移动测绘系统中的惯性姿态估计过滤技术尚未得到充分研究。由于其内在的滚动运动，该系统的角速度极高且动态剧烈，与当前最先进的无人机、手持设备或汽车等旋转受限系统所需建模方式不同。

方法

在本工作中，我们比较了之前提出的“Delta滤波器”和使用协方差模型设计的卡尔曼滤波器。两种过滤方法实时融合两个6-自由度的姿态估计器，并利用运动模型进行姿态估计。我们将轨迹与OptiTrack™动捕系统提供的地面实况姿态测量结果进行了对比，进一步评估了激光扫描仪生成的点云与Riegl VZ400地面激光扫描仪（TLS）提供的地面实况地图之间的差异。

创新点

1. 提出了一种适用于球形系统的卡尔曼滤波器设计，能够处理传感器无法提供协方差估计的问题。
2. 针对球形系统特有的滚动运动特性，提供了有效的多传感器姿态估计解决方案。
3. 使用我们的估算器作为初始猜测进行ICP（迭代最近点），从而实现了高分辨率和精确的三维LiDAR点云生成。

结论

本文通过对比Delta滤波器与卡尔曼滤波器在球形移动测绘系统中的应用，展示了基于LiDAR的SLAM技术在复杂动态环境下的优越性能。实验结果表