从零入门激光SLAM（十五） |
您所在的位置：网站首页 › 激光入门 › 从零入门激光SLAM（十五） |
从零入门激光SLAM（十五）
从零入门激光SLAM（十五）——IMU在SLAM中的用处
桦树无泪
分类：建图导航
个人专栏：从0入门激光SLAM 发布时间 2024.05.15阅读数 691 评论数 0
从这节开始，进入到LIO章节，LIO具有更高的鲁棒性、精度、实时性、环境适应性和成本效益，快来学习一下吧
一、IMU能干什么
惯性测量单元(Inertial measurement unit，IMU)，是测量物体三轴姿态角以及加速度的装置。IMU通常包含陀螺仪 (Gyroscope)、加速度计 (Accelermeters)，有的还包含磁力计(Magnetometers)。陀螺仪用来测量三轴的角度/角速度，加速度计用来测量三轴的加速度，磁力计提供磁场朝向信息。IMU在手机、VR，航空航天领域都有着广泛应用。比如手机的记步功能就是利用IMU的算法达成；VR中IMU可实现随头部姿态变化而切换场景；Apollo登月中依赖IMU实现位置追踪和朝向确认。在自动驾驶领域，IMU同样是重要的导航和定位组件。它们内部可以根据受力或者时间等其他物理量来推算角速度和加速度。IMU在SLAM系统中的作用是提供设备的姿态、运动和加速度信息，从而帮助系统理解设备的运动轨迹 姿态估计：IMU可以提供关于设备在空间中的方向和角度的信息，这对于定位和导航至关重要。通过测量加速度计和陀螺仪的输出，可以估计设备的姿态。 运动估计：IMU可以提供设备的线性加速度和角速度的信息，这对于估计设备的运动非常有用。结合时间积分，可以得到设备在空间中的位置和速度的估计，从而帮助SLAM系统跟踪设备的运动轨迹。 辅助传感器：IMU通常与其他传感器（如摄像头、激光雷达等）一起使用，为它们提供补充信息。通过将IMU的数据与其他传感器的数据融合，可以提高SLAM系统对环境的理解和对设备位置的估计的准确性和鲁棒性。 点云去畸变：IMU可以用作惯性里程计，用于估计设备在短时间内的运动。虽然IMU在长时间使用中会积累误差，但在短时间内，它提供了对设备运动的相对准确的估计，可用于位姿初始值来对点云去畸变 优点 相对位置的推演不存在任何外部依赖，是一个完备的系统。相比之下，如 GNSS依赖于卫星的覆盖，Lidar，Camera则依赖于对外部的感知，存在一定的不稳定性。 IMU几乎不受外来信号干扰。除了强烈的机械冲击之外，电磁干扰，强光，特殊天气，地形条件等会对其他传感器造成扰动的因素对于IMU通通不起作用。 IMU对角速度和加速度的测量值之间本就具有一定的冗余性，再加上汽车的轮速计和方向盘转角等冗余信息，使IMU的输出的“短时间内的相对位置变化”拥有极高的置信度。 缺点 IMU只能提供相对位置和姿态的推演，但却无法从全局角度提供绝对位置信息； IMU在使用过程中，一般需要对陀螺仪、加速度计的输出对时间积分才能得到位姿信息，而在积分的过程中，随着时间积累，误差也会持续累积，最终使得朝向发生较大的偏移(Drift)。 如不能由外部引入绝对位置信息加以校正，漂移会越来越大，输出结果与真实值的差距越来越大，从而失去使用价值。 二、IMU的运动学 2.1 IMU输出 加速度计输出（a）：加速度计通常测量设备在三个轴（通常是x、y和z轴）上的加速度。这些加速度通常以重力加速度（9.8米/秒²在地球表面）为基准，因此在静止时，加速度计的输出将是（0, 0, 9.8）或其等效值。 陀螺仪输出（w）：陀螺仪通常测量设备绕三个轴（通常是x、y和z轴）的角速度。角速度表示单位时间内角度的变化率，通常以弧度/秒为单位。实际的车辆、机器人都在地球表面运行。这些系统受到重力g的影响，所以应该把重力写在系统方程中。在绝大多数 IMU 系统中，可以忽略地球自转的干扰，从而把 IMU 测量值写为
注意点：
如果考虑的是字宙中的IMU，就要移除这个测量方程中的重力。或者某地的重力大小与其他地区的不一样，就应该改变g的取值。
如果不把IMU 放在车辆中心，那么当车辆发生旋转和移动时，IMU 还应该测量到由车辆旋转导致的离心力、科氏力和角加速度，最后体现在加速度计的读数上。
2.2 IMU噪声
IMU的噪声一般由两部分组成测量噪声(Measurement Noise)与零偏(Bias )。即使在车辆静止时，IMU 的角速度和加速度输出也不一定形成均值为0的白噪声，而是带有一定的偏移。这个偏移量是由 IMU 内部的机电测量装置导致的，有些 IMU 的偏移较小，也有的会比较大。记陀螺仪和加速度计的测量噪声分别为η_g,η_a，同时记零偏为b_g,b_a，那么这几个参数在测量方程中体现为
在连续时间下,我们认为 IMU 测量噪声是一个方差为 Cov(n),Cov(n)的零均值白噪声高斯过程(Zero-mean White Gaussian Process)。同时,认为零偏是一个随机过程。因为IMU传感器按照固定频率进行采样，不妨设每次采样间隔为Δt，那么对于噪声来说，陀螺仪和加速度计的离散测量噪声可以简化地描述为
零偏部分为
2.3 使用IMU进行轨迹推算
IMU的PVQ状态通常指的是位置、速度和姿态（Position, Velocity, Quaternion）状态。在SLAM（同时定位与地图构建）系统或导航中，这种状态表示了惯性测量单元（IMU）提供的信息，其中：
位置（Position）：表示设备在三维空间中的位置。这通常是设备相对于某个参考点或参考坐标系的位置坐标。
速度（Velocity）：表示设备在三维空间中的速度。这是设备位置变化的速率，通常以米/秒为单位。
姿态（Quaternion）：表示设备的方向或姿态。使用四元数来表示设备相对于某个参考坐标系的旋转，通常用于避免万向锁等问题。忽略噪声影响，得到连续时间的积分模型，R是旋转矩阵，p是位置，v是速度。
通过该式，就可以用一个时刻的状态，加上下一个时刻的 IMU 数据，推算出下一个时刻的状态。
不同的数值积分方式是不一样的，欧拉法采用了最简单的做法:认为t到t+t这段时间内，物体的整个角速度等于 w(t)，加速度等于 a(t)。这相当于在数值积分中，用小区间的起始点作为积分矩形的函数值。而在另一些做法中，也可以使用中值法、梯形法、高阶的插值法(最典型的是龙格库塔法来处理。
2.4 IMU预积分
2.4.1动机
上一节介绍的IMU运动学仅仅计算了一个时刻的IMU数据，IMU的频率一般在200HZ，每次只计算一个时刻会消耗巨大的计算资源。希望IMU数据能够根据较慢频率的相机（20HZ）或者LIDAR（10HZ）进行计算，把帧与帧之间的所有IMU数据合在一起处理，这种累积的观测被称为预积分。IMU预积分的初衷，希望将IMU的相对测量信息转换为帧与帧之间约束节点（位姿）的边，从而参与到优化框架中。
2.4.2概念
IMU预积分（Inertial Measurement Unit Preintegration）是一种用于处理惯性测量单元（IMU）数据的技术，主要应用于惯性导航系统（INS）和视觉惯性里程计（VIO）中。它的主要目的是减少系统的计算负担，提高状态估计的精度和鲁棒性，优势如下：1.减少计算负担：IMU预积分通过预处理IMU数据，将高频率的连续数据转换为低频率的离散数据，从而降低了系统的计算需求。这对于实时系统和嵌入式系统非常重要，因为它们的计算资源有限。2.减少误差积累：IMU数据通常受到噪声和漂移的影响，直接积分可能会导致误差快速积累。预积分技术将连续的IMU测量值转换为离散的增量，从而减少了误差的传播，并提高了状态估计的精度。3.同步数据：在VIO中，相机和IMU的数据通常是异步的，IMU预积分技术可以有效地将IMU数据与相机数据同步，提高系统的一致性和鲁棒性。
2.4.3步骤
IMU预积分通常包括以下几个步骤：1)收集IMU数据：获取IMU的加速度计和陀螺仪数据，i到j个。2)预积分公式如果直接积分，公式如下
直接积分的缺点是，它描述的过程和状态量有关。如果对i时刻的状态进行优化，那么i+1,i+2,……·,j-1时刻的状态也会跟着发生改变，这个积分就必须重新计算，这是非常不便的。所以使用相对运动量
3) 应用预积分结果：将预积分的增量应用于状态估计过程，例如在VIO中用于更新相机位姿或在INS中用于更新机器人的状态。4) 处理IMU偏置：IMU的偏置会影响预积分结果的精度，通常需要对偏置进行估计和校正，以提高系统的精度和鲁棒性。
IMU定位建图算法特征提取
原创文章作者：桦树无泪。如若转载，请注明出处：古月居 https://www.guyuehome.com/46869 打赏 0 点赞 0 收藏 1 分享 微信 微博 QQ 图片 上一篇：从零入门激光SLAM（十四）——简单有效的激光里程计KISS-ICP 下一篇：从零入门激光SLAM（十六）——卡尔曼滤波基础 |
【本文地址】