Визуально-инерциально-колесная одометрия с адаптивным переключением на основе оценок движения робототехнических платформ разного типа

Наземные мобильные роботы преимущественно передвигаются в плоскости SE(2), тогда как летательные аппараты и роботы, перемещающиеся по неровной местности, требуют оценки полной трехмерной позиции SE(3). Фиксированное представление модели движения приводит либо к избыточной параметризации при движении на плоскости, либо к недостаточной параметризации при пространственных маневрах, что снижает вычислительную эффективность и точность оценивания. Предложен адаптивный механизм переключения для системы одновременной локализации и построения карты (SLAM) на основе визуально-инерциально-колесной одометрии, который автоматически переходит между оптимизацией в SE(2) и SE(3) в зависимости от текущих характеристик движения. Предложенный подход позволяет отслеживать вертикальное отклонение траектории в скользящем окне ключевых кадров, используя сигмоидальную весовую функцию для плавной регулировки параметров инерциальных измерений и данных колесной одометрии. Оценка на массиве данных OpenLORIS показывает, что адаптивный подход обеспечивает конкурентоспособную точность при снижении вычислительной сложности на фазах плоскостного движения, а плавные переходы позволяют сохранить устойчивость при градиентной оптимизации.

1. Mahmoud J., Penkovskiy A., Long Vuong H. T., Burkov A., and Kolyubin S. RVWO: A Robust Visual-Wheel SLAM System for Mobile Robots in Dynamic Environments // IEEE/RSJ IROS. Detroit, USA, 2023. P. 3468–3474.

2. Grisetti G., Kümmerle R., Stachniss C., Burgard W. A Tutorial on Graph-Based SLAM // IEEE Intelligent Transportation Systems Magazine. 2010. Vol. 4, N 2. Р. 31–43.

3. Forster C., Carlone L., Dellaert F., Scaramuzza D. On-Manifold Preintegration for Real-Time Visual–Inertial Odometry // IEEE Transactions on Robotics. 2017. Vol. 33, N 1. Р. 1–21.

4. Qin T., Li P., Shen S. VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator // IEEE Transactions on Robotics. 2018. Vol. 34, N 4. Р. 1004–1020.

5. Wu K. J., Guo C. X. et al. VINS on Wheels // Proc. IEEE ICRA. 2017. Р. 5155–5162.

6. Zheng F., Liu Y.-H. Visual-Odometric Localization and Mapping for Ground Vehicles Using SE(2)-XYZ Constraints // Proc. IEEE ICRA. 2019. Р. 3556–3562.

7. Lee W., Eckenhoff K., Yang Y., Geneva P., Huang G. P. Visual-Inertial-Wheel Odometry with Online Calibration // Proc. IEEE/RSJ IROS. 2020. Р. 4559–4566.

8. Chebrolu N., Läbe T., Vysotska O., Behley J., Stachniss C. Adaptive Robust Kernels for Non-Linear Least Squares Problems // IEEE Robotics and Automation Letters. 2021. Vol. 6, N 2. Р. 2240–2247.

9. Campos C., Elvira R. et al. ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual–Inertial, and Multimap SLAM // IEEE Transactions on Robotics. 2021. Vol. 37, N 6. Р. 1874–1890.

10. Shi X., Li D., Zhao P. et al. Are We Ready for Service Robots? The OpenLORIS-Scene Datasets for Lifelong SLAM // arXiv:1911.05603. 2020.

11. Sturm J., Engelhard N., Endres F., Burgard W., Cremers D. A Benchmark for the Evaluation of RGB-D SLAM Systems // Proc. IEEE/RSJ IROS. 2012. Р. 573–580.