Open Source Robotics

精選高品質的開源機器人專案、工具與軟體，推動機器人社群向前發展。

LiDAR Odometry

  • 又稱: laser odometry, LO
  • 類別: State estimation & navigation › Localisation
  • 標籤: lidar, odometry, slam, state-estimation, point-cloud-registration

把連續的光達（LiDAR）掃描彼此對位或與局部地圖對位，以估計機器人的運動；除非以迴圈閉合加以修正，否則會隨距離漂移。

定義

光達里程計（LiDAR odometry）把每一次新的掃描與先前的資料對齊，藉此估計光達感測器以及搭載它的機器人的運動。它是里程計（odometry）的一種形式：與車輪里程計或視覺里程計（visual odometry）一樣，它隨時間累加相對運動，因此會累積漂移。它與視覺里程計的差別在於輸入：它使用直接的距離量測而非攝影機影像，因此單一感測器就能得到公制尺度，而且大致不受光照影響。它與迭代最近點（iterative closest point）的差別在於範圍：ICP 是一種對位演算法，常用在光達里程計系統內部，而光達里程計則是包含前處理、對位、運動補償與地圖管理的整個流程。

主要有兩類方法。以特徵為基礎的方法，例如 Zhang 與 Singh 於 2014 年提出的 LOAM，從每次掃描中擷取邊緣點與平面點，並與局部地圖中的特徵比對。稠密方法則把大部分的點與上一次掃描或降取樣後的局部地圖對位，通常使用點對面 ICP 或常態分佈轉換。掃描對地圖的對位比掃描對掃描的對位漂移更小，因為每次掃描都與一個由許多先前掃描建立的結構對齊。

旋轉式光達在完整旋轉一圈的過程中收集一次掃描，因此移動中的感測器會讓掃描變形。系統會對點進行去歪斜來修正，方法包括假設等速、使用 IMU，或像 CT-ICP 那樣使用連續時間軌跡，在每次掃描的開始與結束各設一個姿態。在幾何結構無法約束全部六個自由度的地方，光達里程計會遇到困難：長走廊、隧道、空曠田野與平坦道路。與 IMU 緊密融合（如光達慣性里程計）有助於應付快速運動與短暫的退化路段，而完整的 SLAM 系統則會加入迴圈閉合與姿態圖最佳化，以消除累積的漂移。

為何重要

光達里程計是許多自駕車、移動機器人與測繪系統運動估計的主要來源，在攝影機難以應付的戶外與黑暗環境中尤其如此。它的精度限制了建立在其上的每一張地圖與每一個定位結果的品質。

主要應用

  • 自駕車與配送機器人的自身運動估計
  • 光達 SLAM 與 3D 建圖系統的前端
  • 手持式與背包式移動測繪
  • 在礦坑、隧道與其他黑暗環境中的導航
  • 搭載光達的足式機器人與無人機的狀態估計

實際應用

某團隊為一台在建築工地中行駛的測量機器人裝上旋轉式光達與 IMU。每次掃描都以 IMU 去歪斜，降取樣到體素網格中，再以點對面 ICP 與由近期掃描組成的局部地圖對位。所得的姿態以掃描頻率送進機器人的導航堆疊。當機器人駛過一條空蕩的長走廊時，團隊看到位置估計沿著走廊軸向被拉長，因為牆面無法約束沿該方向的運動；於是他們對 ICP 解加入退化檢查，在這些路段更依賴 IMU 與車輪里程計，並離線執行迴圈閉合來修正最終地圖。

常見誤解

  • 光達里程計能提供無漂移的全域位置 — 它累加相對運動而會漂移，因此長距離運行需要迴圈閉合或全域參考
  • 光達里程計與 ICP 相同 — ICP 只是一個對位步驟；里程計還包括去歪斜、濾波、地圖管理，而且常包含 IMU 融合
  • 由於光達直接量測距離，它在任何地方都能運作 — 在隧道或空曠田野等缺乏幾何特徵的場景中，某些方向不受約束
  • 每次掃描都是某一瞬間的快照 — 旋轉式光達的掃描是隨時間進行的，因此移動中的感測器會產生變形的掃描，除非加以修正

誰需要了解

  • SLAM 與狀態估計工程師
  • 自駕車感知團隊
  • 移動測繪與測量開發人員
  • 在戶外或地下工作的野外機器人工程師

相關技術

  • LOAM
  • KISS-ICP
  • CT-ICP
  • 光達慣性里程計（Lidar-Inertial Odometry）
  • 常態分佈轉換（Normal Distributions Transform）

相關術語

  • Odometry
  • Visual Odometry
  • Iterative Closest Point
  • LIDAR
  • Loop Closure
  • SLAM

相關專案

  • LingBot-Map: Streaming 3D reconstruction from one camera: pose and depth for every frame, live
  • oomwoo: Open-source DIY robot vacuum: 3D-printed, ROS2 + 2D LiDAR, fully local.
  • Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
  • FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry from HKU-MARS, published in IEEE T-RO
  • DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
  • evo: De-facto standard tool for evaluating and plotting odometry/SLAM trajectories

影片

  • LiDAR Odometry - 5 Minutes with Cyrill: Cyrill Stachniss

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。