基於連續時間估計的多個 3D 雷達和 IMU 的開源時空校準器：RIs-Calib

核心概念

RIs-Calib 是一種開源的時空校準器，適用於整合多個 3D 雷達和 IMU 的感測器套件，它基於連續時間估計，無需任何額外的人工設施或先驗知識，即可實現高精度和一致性的校準。

摘要

RIs-Calib: 一種基於連續時間估計的多 3D 雷達和 IMU 開源時空校準器

輔助慣性導航系統 (INS) 通常由慣性測量單元 (IMU) 和外部感測器組成，已被廣泛接受為一種可行的導航解決方案。與視覺輔助和 LiDAR 輔助 INS 相比，雷達輔助 INS 由於雷達使用低頻測量信號，在大氣氣體和雨水中衰減效應較小，因此在惡劣天氣條件下可以獲得更好的性能。對於這種雷達輔助 INS，準確的時空變換是實現最佳信息融合的基本前提。在這項工作中，我們提出了 RIs-Calib：一種基於連續時間估計的多 3D 雷達和 IMU 時空校準器，它能夠實現準確的時空校準，並且不需要任何額外的人工設施或先驗知識。我們的方法首先採用嚴格的初始化程序，從原始測量值中恢復感測器套件的時空參數和運動學 B 樣條。接下來，將進行幾次批次優化，其中所有參數都將穩定地細化到全局最優狀態。我們在模擬和真實世界的實驗中驗證和評估了 RIs-Calib，結果表明 RIs-Calib 能夠進行準確且一致的校準。我們在 (https://github.com/Unsigned-Long/RIs-Calib) 上開源了我們的實現，以造福研究社區。

本研究旨在開發一種適用於多 3D 雷達和 IMU 感測器套件的時空校準方法，以解決現有方法在準確性和靈活性方面的不足。

從以下內容提煉的關鍵洞見

RIs-Calib: An Open-Source Spatiotemporal Calibrator for Multiple 3D Radars and IMUs Based on Continuous-Time Estimation

by Shuolong Che... 於 arxiv.org 11-01-2024

https://arxiv.org/pdf/2408.02444.pdf

深入探究

RIs-Calib 如何應用於動態環境中的時空校準？

RIs-Calib 本身是為靜態環境設計的，直接應用於動態環境會面臨挑戰。動態環境中，雷達量測到的目標點多數為動態目標，難以滿足 RIs-Calib 對靜態目標的假設。
為將 RIs-Calib 應用於動態環境，可以考慮以下改進方向：

動態目標濾除:

利用多幀點雲配準技術，區分動態目標和靜態目標。例如，可以採用基於 RANSAC 的算法，將運動一致性較高的點雲視為靜態背景，而將運動軌跡不一致的點雲視為動態目標。
結合目標點的速度信息進行濾波。RIs-Calib 可以輸出目標點的速度，通過設定速度閾值，濾除速度較高的動態目標點。

運動目標建模:

對於部分可觀測的動態目標，可以嘗試建立其運動模型。例如，對於車輛等剛體目標，可以採用恆速模型或恆加速度模型進行描述。
將動態目標的運動參數納入 RIs-Calib 的優化框架中，與傳感器外參、時間偏差等參數一起進行聯合估計。

其他傳感器融合:

融合其他類型的傳感器信息，例如相機、激光雷達等，可以提供更豐富的環境信息，有助於提高動態環境下的校準精度。
例如，可以利用相機語義分割技術識別動態目標，或利用激光雷達點雲密度信息區分動態目標和靜態目標。

需要注意的是，動態環境下的時空校準是一個複雜的問題，上述改進方向僅提供一些思路，具體實現還需根據實際應用場景進行調整。

是否存在其他基於非連續時間的校準方法可以達到與 RIs-Calib 相媲美的精度？

雖然連續時間方法在處理異步和高頻傳感器數據方面具有優勢，但也存在基於非連續時間的校準方法，在特定條件下可以達到與 RIs-Calib 相媲美的精度。這些方法通常需要對數據進行預處理，以滿足其對時間同步或運動模型的特定要求。
以下列舉幾種常用的非連續時間校準方法：

基於關鍵幀的校準:

選擇運動狀態變化明顯的時刻作為關鍵幀，並假設傳感器在兩個相鄰關鍵幀之間的運動滿足特定模型，例如勻速運動或勻加速運動。
該方法的精度取決於關鍵幀的選擇和運動模型的準確性，如果關鍵幀選擇得當且運動模型符合實際情況，則可以達到較高的校準精度。

基於濾波的校準:

利用擴展卡爾曼濾波器（EKF）或無跡卡爾曼濾波器（UKF）等濾波算法，將傳感器外參和時間偏差作為系統狀態量進行估計。
該方法需要建立較為精確的系統模型和量測模型，並且對初始值的設定比較敏感。

基於圖優化的校準:

將每個傳感器在不同時刻的位姿和目標點的觀測信息構建成一個圖，並通過優化圖的邊緣誤差來估計傳感器外參和時間偏差。
該方法可以處理較長時間的數據，並且對傳感器運動模型沒有嚴格限制，但計算複雜度較高。

總體而言，基於非連續時間的校準方法在精度方面可能略遜於 RIs-Calib 等連續時間方法，但其計算複雜度相對較低，更易於實現。在對實時性要求較高或計算資源有限的應用場景中，可以考慮採用基於非連續時間的校準方法。

RIs-Calib 的開源代碼和數據集將如何促進機器人領域的發展？

RIs-Calib 的開源代碼和數據集將為機器人領域帶來以下促進作用：

降低多传感器融合的研究门槛:

RIs-Calib 提供了完整的代码实现和详细的文档说明，研究人员可以直接使用该代码进行多雷达多IMU系统的时空校准，无需重复开发，节省了大量时间和精力。
这将使得更多研究人员能够参与到多传感器融合的研究中，推动该领域的快速发展。

促进算法的比较和评估:

开源数据集提供了统一的测试基准，研究人员可以使用该数据集对不同的时空校准算法进行比较和评估，从而更好地了解不同算法的优缺点和适用场景。
这将有助于推动时空校准算法的性能提升和技术进步。

推动实际应用的落地:

RIs-Calib 的开源代码和数据集可以帮助开发者快速构建基于多雷达多IMU系统的机器人应用，例如自动驾驶、无人机导航、增强现实等。
这将加速相关技术的产业化进程，为机器人领域带来更多实际价值。

此外，RIs-Calib 的开源也将促进代码的维护和更新，以及社区的交流和合作，进一步推动机器人领域的发展。