MINS 算法
概念
MINS(Multisensor-aided Inertial Navigation System)是一种基于多传感器融合的机器人定位算法,主要用于估计机器人在运动过程中的位置、速度和姿态。
MINS 的作用,就是让机器人综合利用 IMU、激光雷达、相机、GNSS 和轮速计的信息,更准确、更稳定地判断自己在哪里。
框架
核心算法

状态估计
状态变量:机器人此刻所处的状态


协方差:机器人多相信自己
MINS 中通常有三种需要区分的协方差:
-
P:状态估计协方差,表示机器人对自己位置、速度、姿态等估计有多大把握。
-
R:测量噪声协方差,表示 GNSS、相机等传感器的测量有多大不确定性。
-
Q:过程噪声协方差,表示根据 IMU 等运动模型预测时,会引入多大的不确定性。

预测:机器人闭上眼睛,也能猜自己走到了哪里
预测 = 根据运动规律推算新位置,同时推算误差可能会扩大多少。根据运动模型预测新位置,同时预测误差
测量更新:告诉机器人可能走错了
多传感器怎么融合
采用紧耦合
MINS 通过 IMU 连续预测机器人的运动,再利用 GNSS、轮速计、相机和激光雷达提供的不同观测,结合各自的不确定性,通过卡尔曼滤波不断修正机器人的位置、速度和姿态。
MINS 的第二项本领:高阶流形插值
插值的原因就是多个传感器可能不同步,那么就需要在两个时刻中间推算进行插值
MINS 的办法是:不必在每个观测时刻都存储独立状态,而是利用已有的历史状态,通过插值估计观测时刻的位姿。
高阶体现在用多个历史状态拟合更复杂的运动曲线,准确描述加速、转弯等运动变化;流形体现在机器人姿态的插值必须遵循三维旋转的几何规律,就像沿着地球表面寻找两点之间的路径,而不是直接穿过地球内部。
MINS 的第三项本领:动态克隆
在滤波器中保存某些历史时刻的机器人位姿状态
MINS 的动态克隆是一种基于固定误差约束的自适应策略:系统预先设定允许的插值误差阈值,再根据机器人实时运动状态预测不同克隆频率下的误差,自动选择满足精度要求的最低克隆频率,从而兼顾定位精度与计算效率。
MINS 的第四项本领:在线标定
MINS 的在线标定不是简单地给不同传感器加上固定偏移,而是把相关参数纳入统一的状态估计过程。
mins算法的优势
(1)可以融合IMU、GNSS、轮速计、相机、LiDAR等多传感器
(2)计算开销,相对较小

浙公网安备 33010602011771号