Inertial Magnetic SLAM Systems Using Low-Cost Sensors

📄 arXiv: 2512.10128v1 📥 PDF

作者: Chuan Huang, Gustaf Hendeby, Isaac Skog

分类: cs.RO, eess.SP

发布日期: 2025-12-10

💡 一句话要点

提出基于低成本惯性磁传感器的惯性磁SLAM系统，解决弱光环境定位问题。

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 惯性磁SLAM 低成本传感器 状态估计 磁场建模 非视觉定位

📋 核心要点

  1. 现有磁场SLAM依赖视觉里程计等提供低漂移数据，限制了其在弱光等环境下的应用。
  2. 提出松耦合和紧耦合两种IM-SLAM系统，融合IMU、磁力计和气压计数据，无需视觉信息。
  3. 实验表明，紧耦合系统定位精度优于松耦合系统，在典型场景下每百米误差在米级。

📝 摘要（中文）

本文提出了一种基于低成本传感器的惯性磁SLAM(IM-SLAM)系统，该系统利用空间非均匀磁场作为定位的非视觉信息源。磁场SLAM系统能够在飞行中提供定位信息并构建磁场地图，且在已映射区域内误差有界。现有方法通常需要视觉里程计或轮式编码器等提供的低漂移里程计数据，以减少探索未映射区域时的定位误差。为了解决这些限制，本文提出了松耦合和紧耦合两种IM-SLAM系统，使用惯性测量单元(IMU)、磁力计阵列和气压计等常用低成本传感器。非视觉数据的使用提供了优于视觉系统的显著优势，使其对低可见度条件具有鲁棒性。两种系统都采用状态空间表示和不同尺度的磁场模型。区别在于它们如何使用局部和全局磁场模型。松耦合系统在两个状态空间模型中分别使用这些模型，而紧耦合系统将它们集成到一个状态空间模型中。实验结果表明，在大多数情况下，紧耦合IM-SLAM系统比松耦合系统实现了更低的定位误差，典型误差约为每行进100米误差几米。这些结果证明了开发使用低成本传感器的完整3D IM-SLAM系统的可行性，以及将这些系统应用于矿山/消防救援等应急响应场景的潜力。

🔬 方法详解

问题定义：现有磁场SLAM系统依赖视觉里程计或轮式编码器等提供低漂移的里程计信息，这限制了它们在光照条件不佳或视觉信息缺失的环境中的应用。因此，需要一种不依赖视觉信息的SLAM系统，能够在弱光、烟雾等复杂环境中实现精确定位和地图构建。

核心思路：本文的核心思路是利用低成本的惯性测量单元(IMU)和磁力计阵列来估计运动状态，并结合气压计提供的高度信息，构建一个不依赖视觉信息的SLAM系统。通过融合这些传感器数据，可以克服视觉SLAM在弱光环境下的局限性，实现鲁棒的定位和地图构建。

技术框架：该系统包含两种架构：松耦合和紧耦合。两种架构都使用状态空间表示，并利用局部和全局磁场模型。松耦合系统将磁场模型分别用于两个独立的状态空间模型，而紧耦合系统将它们集成到一个统一的状态空间模型中。整体流程包括传感器数据预处理、状态估计、地图构建和优化等步骤。

关键创新：该论文的关键创新在于提出了基于低成本惯性磁传感器的SLAM系统，无需视觉信息即可实现定位和地图构建。与传统的视觉SLAM系统相比，该系统对光照条件不敏感，能够在弱光、烟雾等复杂环境中工作。此外，紧耦合架构通过将局部和全局磁场模型集成到一个状态空间模型中，提高了定位精度。

关键设计：两种系统都采用扩展卡尔曼滤波(EKF)或其变体进行状态估计。磁场模型的设计是关键，需要考虑磁场的空间分布和时间变化。紧耦合系统中，需要仔细设计状态向量和观测模型，以实现传感器数据和磁场模型的有效融合。此外，需要对传感器数据进行校准和滤波，以减少噪声的影响。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，紧耦合IM-SLAM系统在大多数情况下比松耦合系统实现了更低的定位误差。典型误差约为每行进100米误差几米。这表明紧耦合架构能够更有效地融合传感器数据和磁场模型，从而提高定位精度。该结果验证了使用低成本传感器构建高性能IM-SLAM系统的可行性。

🎯 应用场景

该研究成果可应用于矿山救援、火灾救援、室内导航、地下管网巡检等领域。在这些场景中，视觉信息往往受限，而惯性磁SLAM系统能够提供可靠的定位和地图信息，帮助救援人员或机器人进行导航和操作。未来，该技术有望与机器人技术结合，实现自主导航和环境探索。

📄 摘要（原文）

Spatially inhomogeneous magnetic fields offer a valuable, non-visual information source for positioning. Among systems leveraging this, magnetic field-based simultaneous localization and mapping (SLAM) systems are particularly attractive because they can provide positioning information and build a magnetic field map on the fly. Moreover, they have bounded error within mapped regions. However, state-of-the-art methods typically require low-drift odometry data provided by visual odometry or a wheel encoder, etc. This is because these systems need to minimize/reduce positioning errors while exploring, which happens when they are in unmapped regions. To address these limitations, this work proposes a loosely coupled and a tightly coupled inertial magnetic SLAM (IM-SLAM) system. The proposed systems use commonly available low-cost sensors: an inertial measurement unit (IMU), a magnetometer array, and a barometer. The use of non-visual data provides a significant advantage over visual-based systems, making it robust to low-visibility conditions. Both systems employ state-space representations, and magnetic field models on different scales. The difference lies in how they use a local and global magnetic field model. The loosely coupled system uses these models separately in two state-space models, while the tightly coupled system integrates them into one state-space model. Experiment results show that the tightly coupled IM-SLAM system achieves lower positioning errors than the loosely coupled system in most scenarios, with typical errors on the order of meters per 100 meters traveled. These results demonstrate the feasiblity of developing a full 3D IM-SLAM systems using low-cost sensors and the potential of applying these systems in emergency response scenarios such as mine/fire rescue.