Motivation
監(jiān)測鐵路安全運(yùn)營需要精確的軌道車輛定位和長期的鐵路環(huán)境。國內(nèi)現(xiàn)行鐵道系統(tǒng)的定位策略仍以軌旁系統(tǒng)為主,，不僅實(shí)時(shí)性和準(zhǔn)確率都差，而且需要大量的前期投資和后續(xù)維護(hù),。雖然已經(jīng)有基于GNSS和odometry的研究，但是這類方法缺失了對(duì)于環(huán)境的感知信息,，并且會(huì)受到GNSS環(huán)境的限制。所以加入諸如雷達(dá)和相機(jī)的感知進(jìn)行輔助融合是一個(gè)可行的方向,，但是在鐵路系統(tǒng)加入lidar和相機(jī)存在幾個(gè)問題：
一是運(yùn)動(dòng)長時(shí)間受到約束,，軌道車輛被限制沿平面軌跡移動(dòng)，導(dǎo)致 IMU存在非觀測方向的虛假信息增益,。這種問題會(huì)導(dǎo)致許多VIO的大規(guī)模漂移,。
二是鐵路系統(tǒng)信息重復(fù)，主要可觀察的特征是重復(fù)的鐵軌和懸架夾具,，這對(duì)于基于特征跟蹤的方法具有挑戰(zhàn)性,。
三是鐵路系統(tǒng)基本無回環(huán)，現(xiàn)有的SLAM 通常使用地標(biāo)描述符來檢測重訪問的地點(diǎn),，并在檢測到的循環(huán)上糾正累積的漂移,。鐵路系統(tǒng)沒有回環(huán)，所以需要更加低漂移的位姿估計(jì),。
Contribution
這篇文章提出了一個(gè)框架,，基于滑窗因子圖將 LiDAR、IMU,、軌道車輛車輪里程計(jì),、相機(jī)和 GNSS 緊密融合。實(shí)驗(yàn)結(jié)果表明,，融合后的系統(tǒng)對(duì)于大規(guī)模鐵路環(huán)境定位足夠準(zhǔn)確,，并且對(duì)鐵路上的長時(shí)間倒退具有魯棒性。
充分利用傳感器測量的幾何信息,，利用提取的鐵軌和消失點(diǎn)的平面約束來提高系統(tǒng)精度和魯棒性,。實(shí)驗(yàn)證明這些特征有效地限制了具有重復(fù)結(jié)構(gòu)的區(qū)域的高度和旋轉(zhuǎn)誤差,。
實(shí)驗(yàn)中所使用的數(shù)據(jù)集時(shí)長跨度一年多,，涵蓋各種規(guī)模、天氣和鐵路狀況,。