現有激光雷達(LiDAR)遞推導航算法中，多數采用了LiDAR幀到地圖的數據關聯方式，構建了一種的絕對位姿測量模型，造成了導航狀態估計的不一致(其理論方差過于樂觀)。新型固態LiDAR具有非重復式掃描的特性，為幀間數據關聯提供了便利。我們提出了一種不顯式提取點云特征的LiDAR幀間數據關聯算法，構建了LiDAR幀間的相對位姿測量模型，保證了其誤差建模的一致性，實現了基于幀間數據關聯的固態LiDAR/慣性緊耦合導航狀態估計。

    固態激光雷達(LiDAR)由于其低成本、高可靠性和大規模量產能力，已經被廣泛應用于各類智能無人系統中。然而，目前大部分LiDAR遞推導航算法采用了當前幀到自建（在線實時構建）地圖關聯(Frame-to-map，F2M)方式，沒有設置反映自建地圖誤差的模型參數，因此構建了一種失真的(或者說虛假的)絕對位姿測量模型，出現了虛假的可觀測性，造成了導航狀態估計的不一致(即估計狀態的誤差水平與理論方差偏離)。采用F2M方式，不僅不能以緊耦合的方式引入全球導航衛星系統(GNSS)、高精度地圖這類絕對定位信息，還會傷害諸如慣性測量單元(IMU)這類相對定位傳感器的性能。就LiDAR/慣性里程計(LIO)而言， F2M會造成錯誤的IMU零偏估計，也無法估計LiDAR-IMU的時空偏差參數(外參)。部分LiDAR遞推導航算法嘗試構建了幀間數據關聯(Frame-to-frame，F2F)，但是存在著計算效率低、環境適應性不足等問題，也不適用于新型固態LiDAR。

圖1 幀到自建地圖關聯與幀間數據關聯方式示意圖

表1 幀到自建地圖關聯與幀間數據關聯的LIO算法對比

    針對圖1和表1所示幀到自建地圖關聯與幀間數據關聯的區別，我們面向LiDAR的多源融合導航應用，提出了一種幀間數據關聯的固態LiDAR/慣性導航狀態估計器FF-LINS(Tang Hailiang et. al, 2023)，實現了復雜環境下實時、穩健、精確的遞推導航定位。FF-LINS借鑒我們前期視覺工作(Niu Xiaoji et. al, 2023)，將以慣導為核心的思想應用于LiDAR導航，充分發揮了慣導的自主連續推算導航和時空傳遞能力。FF-LINS的系統設計原理見圖2，主要特點如下：

1、提出了一種符合狀態估計一致性的固態LiDAR慣性導航狀態估計器：在圖優化的框架下實現了LiDAR和IMU測量的緊耦合導航；LiDAR和IMU時空參數被精確建模以進行在線估計和補償，從而提高導航定位的精度。

2、提出了一種巧妙的LiDAR幀間數據關聯算法：通過連續的慣導先驗位姿，累積多個LiDAR點云幀，構建了不顯式提取特征點云的關鍵幀點云地圖；通過在滑動窗口內的關鍵幀點云地圖中尋找最近鄰點，實現LiDAR的幀間數據關聯。

3、提出了一種LiDAR幀間測量模型：構建了LiDAR幀與幀之間的相對位姿測量模型，推導了LiDAR幀間測量殘差及其對IMU位姿和LiDAR-IMU時空參數雅可比矩陣的解析形式。

    我們已開源了FF-LINS的源代碼及使用的固態LiDAR/慣性數據集(https://github.com/i2Nav-WHU/FF-LINS)。

圖2 FF-LINS的系統框圖

    本工作充分發揮了慣導的短期相對精度，通過累積多個LiDAR幀實現了幀間數據關聯，解決了幀到自建地圖關聯算法造成的導航狀態估計不一致性問題，可以無縫地集成到包含GNSS、高精度地圖等絕對定位信息的多源融合導航系統中。另外，本工作已經被證明同樣適用于傳統的機械掃描式LiDAR，并對LiDAR-IMU外參的在線估計、大尺度點云地圖構建等應用需求都具有重要參考價值。

相關成果發表在IEEE RAL上，可在團隊網站(i2nav.cn)的“研究成果-學術論文”列表中下載。（Link）

相關閱讀

[1] Hailiang Tang, Tisheng Zhang, Xiaoji Niu, Liqiang Wang, Linfu Wei, and Jingnan Liu, “FF-LINS: A Consistent Frame-to-Frame Solid-State-LiDAR-Inertial State Estimator,” IEEE Robotics and Automation Letters, vol. 8, no. 12, pp. 8525–8532, Dec. 2023, doi: 10.1109/LRA.2023.3329625.

[2] Xiaoji Niu, Hailiang Tang, Tisheng Zhang, Jing Fan, and Jingnan Liu, “IC-GVINS: A Robust, Real-Time, INS-Centric GNSS-Visual-Inertial Navigation System,” IEEE Robotics and Automation Letters, vol. 8, no. 1, pp. 216–223, Jan. 2023, doi: 10.1109/LRA.2022.3224367.