点云兔子的博客

近年来，重力作为一种关键约束被广泛研究，以减轻状态估计中的垂直漂移问题。现有的在线重力估计方法依赖于姿态估计和IMU测量的结合，当没有直接速度测量时，这是目前最优的方案。然而，雷达传感器可以提供直接的速度数据——这一测量尚未被用于重力估计——我们发现这是一个显著的机会，可以大幅提高重力估计的准确性。我们提出的 GaRLIO（重力增强的雷达-激光雷达-惯性测程系统）能够稳健地预测重力，从而减少垂直漂移，并利用逐点速度测量同时增强状态估计性能。

精准定位对于自动驾驶车辆的导航至关重要。特别是，用于估计车辆随时间变化的位姿变换的里程计研究备受关注。为实现这一目标，多种环境感知传感器被应用，其中雷达传感器因其成本效益及在恶劣天气条件下的鲁棒性，相较于LiDAR传感器更具优势。然而，传统雷达传感器仅提供二维空间信息（xy, 多普勒）。近期技术进步引入了4D成像雷达，可提供三维空间信息（xyz, 多普勒）。尽管如此，与LiDAR数据相比，雷达数据仍存在稀疏性和噪声问题，使得传统的基于LiDAR的里程计算法难以直接应用。

4D毫米波雷达（mmWave）是一种在恶劣天气条件（如雨、雪、雾等）下表现出色的传感器，因此在里程计（odometry）和同步定位与地图构建（SLAM）应用中得到了越来越广泛的使用。然而，回波数据的噪声和稀疏特性对现有基于点云匹配的解决方案构成了巨大挑战，尤其是那些最初为更精确的传感器（如激光雷达LiDAR）设计的解决方案。

函数利用 RANSAC 算法来处理含有噪声和异常值的数据，选择最佳的内点集合进行速度估计，从而提高估计的鲁棒性。函数使用最小二乘法直接从雷达数据中计算速度，并根据需要估计误差的标准差。通过结合这两个函数，可以有效地从雷达数据中估计目标的速度，并处理数据中的异常值和噪声问题。CSDN下载。

毫米波雷达是一种使用毫米波（通常为30至300 GHz频段）的雷达系统，能够通过发射与接收电磁波来探测物体的距离、速度和方向。相比于传统雷达，毫米波雷达具有更高的分辨率和精度，特别是在距离和速度测量方面表现出色。其应用领域广泛，包括汽车电子、无人机、工业自动化等。TI AWR1843 是一款高度集成的毫米波雷达传感器，专为汽车和工业应用设计。它基于77 GHz三个发射器（TX）四个接收器（RX）数字信号处理器（DSP）微控制器（MCU）加速器。