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

📄 arXiv: 2408.02444v2 📥 PDF

作者: Shuolong Chen, Xingxing Li, Shengyu Li, Yuxuan Zhou, Shiwen Wang

分类: cs.RO

发布日期: 2024-08-05 (更新: 2024-10-31)

🔗 代码/项目: GITHUB

💡 一句话要点

提出RIs-Calib，一种基于连续时间估计的多雷达-IMU时空标定方法。

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 雷达IMU标定 时空标定 连续时间估计 传感器融合 自动驾驶

📋 核心要点

  1. 雷达辅助惯性导航系统(INS)在恶劣天气下表现优异，但精确的时空变换是信息融合的关键前提。
  2. RIs-Calib基于连续时间估计，无需额外基础设施或先验知识，实现多雷达-IMU系统的精确时空标定。
  3. 实验结果表明，RIs-Calib在模拟和真实环境中均能实现准确且一致的标定。

📝 摘要（中文）

本文提出RIs-Calib，一种用于多个3D雷达和IMU的时空标定器，它基于连续时间估计，能够实现精确的时空标定，且无需任何额外的人工基础设施或先验知识。该方法首先采用严格而鲁棒的状态初始化程序，然后进行批量优化，所有参数都可以稳定地细化到全局最优状态。在模拟和真实世界的实验中验证和评估了RIs-Calib，结果表明RIs-Calib能够进行准确和一致的标定。为了使研究社区受益，我们开源了我们的实现代码。

🔬 方法详解

问题定义：雷达-IMU融合导航中，雷达和IMU之间的时空标定误差会严重影响导航精度。现有方法可能依赖于人工标定物或需要先验知识，限制了其在实际场景中的应用。因此，如何在无需人工干预和先验知识的情况下，实现多雷达-IMU系统的精确时空标定是一个关键问题。

核心思路：RIs-Calib的核心思路是利用连续时间估计框架，将雷达和IMU的数据融合到一个统一的时间轴上，并通过优化方法同时估计雷达和IMU之间的时空变换参数以及IMU的状态。这种方法能够充分利用雷达和IMU数据的互补性，提高标定精度和鲁棒性。

技术框架：RIs-Calib的整体框架包括两个主要阶段：状态初始化和批量优化。状态初始化阶段旨在为后续的批量优化提供一个良好的初始估计。批量优化阶段则通过最小化雷达点云和IMU测量之间的残差，迭代优化雷达和IMU之间的时空变换参数以及IMU的状态。

关键创新：RIs-Calib的关键创新在于其基于连续时间估计的标定方法，该方法能够有效地处理雷达和IMU数据之间的时间延迟和不同步问题。此外，RIs-Calib无需人工标定物或先验知识，使其更适用于实际应用场景。

关键设计：RIs-Calib的关键设计包括：1) 使用B-spline曲线对IMU的状态进行参数化，实现连续时间估计；2) 设计了鲁棒的损失函数，以减少噪声和异常值的影响；3) 采用高效的优化算法，加速收敛速度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

RIs-Calib在模拟和真实数据集上进行了验证，结果表明其能够实现准确且一致的标定。与现有方法相比，RIs-Calib无需人工标定物或先验知识，更具实用性。开源代码的发布将促进该领域的研究和发展。

🎯 应用场景

RIs-Calib可广泛应用于自动驾驶、机器人导航、无人机等领域。精确的雷达-IMU标定能够提高定位精度和鲁棒性，尤其是在恶劣天气条件下。该研究为多传感器融合导航提供了一种有效的解决方案，有助于推动相关技术的发展和应用。

📄 摘要（原文）

Aided inertial navigation system (INS), typically consisting of an inertial measurement unit (IMU) and an exteroceptive sensor, has been widely accepted as a feasible solution for navigation. Compared with vision-aided and LiDAR-aided INS, radar-aided INS could achieve better performance in adverse weather conditions since the radar utilizes low-frequency measuring signals with less attenuation effect in atmospheric gases and rain. For such a radar-aided INS, accurate spatiotemporal transformation is a fundamental prerequisite to achieving optimal information fusion. In this work, we present RIs-Calib: a spatiotemporal calibrator for multiple 3D radars and IMUs based on continuous-time estimation, which enables accurate spatiotemporal calibration and does not require any additional artificial infrastructure or prior knowledge. Our approach starts with a rigorous and robust procedure for state initialization, followed by batch optimizations, where all parameters can be refined to global optimal states steadily. We validate and evaluate RIs-Calib on both simulated and real-world experiments, and the results demonstrate that RIs-Calib is capable of accurate and consistent calibration. We open-source our implementations at (https://github.com/Unsigned-Long/RIs-Calib) to benefit the research community.