Integration of Scan-Matching-based LiDAR Odometry with INS and GNSS for UAVs in Unstructured Natural Environments
本文提出了一种基于误差状态卡尔曼滤波的实时导航架构，该架构将双差GNSS与松耦合的扫描匹配LiDAR里程计进行紧密耦合，旨在为在GNSS信号受植被影响而退化的非结构化自然环境中运行的无人机实现厘米级定位并显著改善姿态估计。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一架无人机正紧贴着蜿蜒的河流飞行，它的任务是绘制水面图、测量流速并监测河流的健康状况。为了准确完成这项任务，无人机必须精确地知道自己在哪里、移动速度有多快以及朝向何方。在开阔的天空中，这很容易：无人机通过接收来自导航卫星的信号来精准定位。但河流很少是开阔的。它们通常被高大的树木和茂密的植被环绕，这些植被会阻挡卫星信号，导致无人机的内部指南针和运动传感器只能靠猜测来确定位置。一旦失去卫星信号，这些猜测就会迅速产生偏差，就像一个每小时都会慢一分钟的时钟一样，最终导致失去控制或坠毁。科学家面临的挑战是，即使在天空被叶片遮挡、下方水面无法提供清晰地标的情况下，也要保持无人机的稳定与精准。
来自丹麦和英国的一个研究小组开发了一种新方法来解决这个问题，他们将三种不同类型的传感器整合进一个智能系统中。他们使用了一架配备了激光扫描仪、运动传感器和卫星接收器的无人机，在丹麦真实的河流和湖泊上空进行了飞行。其目标是观察是否可以利用激光扫描仪在卫星信号微弱时“看见”世界，并将该信息与运动传感器及卫星数据相结合，从而创造出一个完美的导航图像。他们的方法与以往的方法不同，因为它并不试图寻找特定的形状（如树干或岩石）来进行锁定。相反，它只是简单地匹配从一个时刻到下一个时刻的激光点整体模式，这种技术即使在河面平滑或树木模糊的情况下依然有效。
研究人员在两个截然不同的环境中测试了他们的系统。第一个测试地点是苏索河（Suså River）的一段河道，无人机在低空掠过水面，周围是高耸的河岸和树木，这些环境频繁阻断卫星信号。第二个测试是一个“压力测试”飞行，航线从一片开阔的湖泊开始——在那里卫星信号非常完美，但由于水会吸收激光，激光扫描仪几乎什么也看不见；随后无人机进入了一条狭窄且树木密集的路径，在那里卫星信号消失了，而激光扫描仪则接收到了来自密集植被的大量数据。在这两种情况下，无人机的计算机都必须在依赖卫星、依赖激光或依赖两者的结合之间进行切换，同时还要保持高速飞行。
结果表明，这种新方法在这些复杂条件下比标准的无人机导航方式表现得更为出色。当研究人员将他们的系统与现有的最佳方法（即依赖寻找边缘或角落等特定几何特征的方法）进行对比时，他们的新方法在每一个类别中都更加精确。在河流测试中，新系统使无人机的定位精度保持在几厘米以内，这即使在理想条件下也难以实现。此外，它还提高了无人机感知自身朝向的能力，与标准方法相比，将航向误差减少了三分之二。这至关重要，因为在缺乏特征的环境中移动时，确定方向往往是最难的部分。
研究还揭示了为什么旧方法在这些环境下会失败。研究人员发现，试图锁定特定特征（如树木边缘或岩石）的系统，在风吹动树叶或无人机螺旋桨引起震动，或者水面过于平滑无法反射出清晰模式时，往往会产生混乱。通过忽略特定特征并转而匹配激光点的整体云团，新系统即使在环境混乱时也能保持稳定。它能够处理从开阔天空到深林环境的突然切换而不迷失方向，而其他系统在处理这种切换时则显得力不从心。该系统运行速度足够快，可以在标准笔记本电脑上实时运行，这意味着它可以安装在无人机上进行实际野外作业，而无需依赖超级计算机。
尽管该系统在保持无人机水平航向方面取得了巨大成功，但研究人员指出仍存在一个局限性：它在确定距离水面的精确高度方面稍显逊色。这是因为激光扫描仪能很好地观测到树木侧面和河岸，有助于确定左右和前后位置，但水面本身为激光提供了极少的抓取点来测量高度。尽管如此，整体性能仍是一个重大进步，为利用无人机研究河流和其他自然环境提供了助力。这项工作证明，通过让无人机利用简单的模式匹配技术而非试图“看见”特定物体来“感知”路径，我们就能让这些机器即使在最具挑战性、信号匮乏的自然角落中，也能安全、精准地飞行。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。