Spatiotemporal Calibration of Doppler Velocity Logs for Underwater Robots
作者: Hongxu Zhao, Guangyang Zeng, Yunling Shao, Tengfei Zhang, Junfeng Wu
分类: cs.RO
发布日期: 2025-10-28
💡 一句话要点
提出统一迭代校准框架，解决水下机器人DVL时空外参高精度标定问题
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 水下机器人 多普勒计程仪 时空标定 外参校准 高斯过程 SLAM 最大后验估计
📋 核心要点
- 现有DVL标定方法依赖特定配置或简化假设，无法同时估计平移外参和时间偏移，限制了水下SLAM精度。
- 提出统一迭代校准（UIC）框架，利用高斯过程运动先验进行MAP估计，交替优化运动状态和校准变量。
- 通过仿真和真实水下实验验证了UIC框架的有效性，并开源了DVL-相机校准工具箱。
📝 摘要（中文）
本文针对水下SLAM系统中传感器外参和时钟偏移校准不足的问题，提出了一种统一迭代校准（UIC）框架，用于通用多普勒计程仪（DVL）传感器配置。现有DVL校准方法要么局限于特定传感器配置，要么依赖于过度简化的假设，并且没有联合估计平移外参和时间偏移。UIC框架将校准问题建模为最大后验（MAP）估计，并使用高斯过程（GP）运动先验进行高保真运动插值。UIC在高效的基于GP的运动状态更新和基于梯度的校准变量更新之间交替进行，并由可证明的统计一致性序列初始化方案支持。该方法可应用于IMU、相机和其他模态的协同标定。同时开源了DVL-相机校准工具箱。UIC的多个方面，如MAP校准中GP先验的集成和可靠初始化程序的设计，也广泛适用于其他多传感器校准问题。仿真和真实实验验证了该方法的有效性。
🔬 方法详解
问题定义：水下机器人SLAM系统需要精确的传感器外参和时间偏移校准，但现有的DVL校准方法存在局限性。它们通常依赖于特定的传感器配置，或者基于过度简化的假设，无法同时估计平移外参和时间偏移，导致校准精度不足，影响SLAM系统的整体性能。
核心思路：本文的核心思路是将DVL校准问题建模为一个最大后验（MAP）估计问题，并利用高斯过程（GP）作为运动先验，对水下机器人的运动状态进行高保真插值。通过引入GP先验，可以更准确地描述水下机器人的运动轨迹，从而提高外参和时间偏移的估计精度。
技术框架：UIC框架主要包含两个交替更新的模块：基于GP的运动状态更新模块和基于梯度的校准变量更新模块。首先，利用GP对DVL数据进行运动状态插值，得到更精确的运动轨迹。然后，基于该运动轨迹，利用梯度下降法更新校准变量（包括外参和平移偏移）。这两个模块交替迭代，直到收敛。此外，该框架还包含一个可证明统计一致性的序列初始化方案，用于为迭代过程提供良好的初始值。
关键创新：该方法最重要的创新点在于：1) 提出了一个统一的校准框架，可以适用于通用的DVL传感器配置；2) 将高斯过程运动先验引入到MAP估计中，提高了运动状态的估计精度；3) 设计了一个可证明统计一致性的序列初始化方案，保证了校准过程的可靠性。与现有方法相比，该方法能够更准确地估计外参和时间偏移，从而提高水下SLAM系统的精度。
关键设计：在GP运动先验方面，需要选择合适的核函数和超参数，以准确描述水下机器人的运动特性。在梯度下降法中，需要选择合适的学习率和优化算法，以保证收敛速度和精度。在序列初始化方案中，需要设计合理的初始化策略，以提供良好的初始值。损失函数的设计需要综合考虑DVL测量误差、GP先验误差和校准变量的正则化项。
🖼️ 关键图片
📊 实验亮点
实验结果表明，提出的UIC框架能够有效地校准DVL的外参和时间偏移。在仿真实验中，UIC框架能够达到较高的校准精度。在真实水下实验中，UIC框架也表现出良好的性能，显著提高了水下SLAM系统的定位精度。同时，开源的DVL-相机校准工具箱为水下机器人研究人员提供了便利。
🎯 应用场景
该研究成果可广泛应用于水下机器人、自主水下航行器（AUV）等领域，提高水下SLAM系统的定位精度和鲁棒性。精确的DVL时空外参标定对于水下环境勘探、水下基础设施维护、海洋资源调查等任务至关重要。未来，该方法可以进一步扩展到其他水下传感器（如声呐、水下相机）的标定，构建更完善的水下感知系统。
📄 摘要（原文）
The calibration of extrinsic parameters and clock offsets between sensors for high-accuracy performance in underwater SLAM systems remains insufficiently explored. Existing methods for Doppler Velocity Log (DVL) calibration are either constrained to specific sensor configurations or rely on oversimplified assumptions, and none jointly estimate translational extrinsics and time offsets. We propose a Unified Iterative Calibration (UIC) framework for general DVL sensor setups, formulated as a Maximum A Posteriori (MAP) estimation with a Gaussian Process (GP) motion prior for high-fidelity motion interpolation. UIC alternates between efficient GP-based motion state updates and gradient-based calibration variable updates, supported by a provably statistically consistent sequential initialization scheme. The proposed UIC can be applied to IMU, cameras and other modalities as co-sensors. We release an open-source DVL-camera calibration toolbox. Beyond underwater applications, several aspects of UIC-such as the integration of GP priors for MAP-based calibration and the design of provably reliable initialization procedures-are broadly applicable to other multi-sensor calibration problems. Finally, simulations and real-world tests validate our approach.