Accurate Calibration and Robust LiDAR-Inertial Odometry for Spinning Actuated LiDAR Systems

📄 arXiv: 2601.15946v1 📥 PDF

作者: Zijie Chen, Xiaowei Liu, Yong Xu, Shenghai Yuan, Jianping Li, Lihua Xie

分类: cs.RO

发布日期: 2026-01-22

备注: This article has been accepted for publication in IEEE Robotics and Automation Letters (RA-L). Personal use is permitted. All other uses require IEEE permission

🔗 代码/项目: GITHUB

💡 一句话要点

针对旋转式激光雷达系统，提出精确标定和鲁棒的激光雷达惯性里程计方法

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

关键词: 激光雷达标定 激光雷达里程计 旋转式激光雷达 惯性导航 环境自适应

📋 核心要点

  1. 现有旋转式激光雷达标定方法依赖特定安装配置，通用性不足，且在无特征区域定位鲁棒性差。
  2. 提出LM-Calibr，基于DH参数实现无目标激光雷达-电机标定，支持多种安装配置。
  3. 提出EVA-LIO，通过自适应调整下采样率和地图分辨率，提升扫描完整性和定位鲁棒性。

📝 摘要（中文）

精确标定和鲁棒定位是旋转式激光雷达应用中的基础。然而，现有方法需要基于不同的安装配置来参数化外部参数，限制了其通用性。此外，旋转式激光雷达不可避免地会扫描到无特征区域，这使得扫描覆盖范围和定位鲁棒性之间的平衡变得复杂。为了解决这些挑战，本文提出了一种基于Denavit-Hartenberg约定的无目标激光雷达-电机标定方法(LM-Calibr)和一种环境自适应激光雷达惯性里程计(EVA-LIO)。LM-Calibr支持各种安装配置的激光雷达-电机系统的标定。大量实验证明了其在不同场景、安装角度和初始值下的准确性和收敛性。此外，EVA-LIO根据空间尺度自适应地选择下采样率和地图分辨率。这种自适应性使执行器能够以最大速度运行，从而提高扫描完整性，同时确保鲁棒的定位，即使激光雷达短暂扫描无特征区域。

🔬 方法详解

问题定义：现有旋转式激光雷达系统的标定方法通常需要针对特定的安装配置进行参数化，这限制了其通用性。此外，旋转式激光雷达在扫描过程中不可避免地会遇到缺乏几何特征的区域，这会严重影响定位的精度和鲁棒性。因此，如何实现一种通用的、高精度的、且在无特征区域也能保持鲁棒性的标定和定位方法是本文要解决的关键问题。

核心思路：本文的核心思路是解耦标定和定位问题，并分别进行优化。对于标定问题，利用Denavit-Hartenberg (DH) 参数来描述激光雷达和电机之间的相对位姿，从而实现与安装配置无关的通用标定。对于定位问题，通过环境自适应的方式调整下采样率和地图分辨率，以在保证扫描完整性的同时，提高在无特征区域的定位鲁棒性。

技术框架：整个系统框架包含两个主要模块：LM-Calibr和EVA-LIO。LM-Calibr负责激光雷达和电机之间的标定，输出DH参数。EVA-LIO则利用标定后的参数，结合IMU数据进行里程计估计。EVA-LIO包含预处理、特征提取、位姿估计和地图构建等环节，其中自适应调整下采样率和地图分辨率是其核心组成部分。

关键创新：本文的关键创新在于：1) 提出了一种基于DH参数的通用激光雷达-电机标定方法，无需针对特定安装配置进行参数化；2) 提出了一种环境自适应的里程计方法，能够根据环境特征动态调整下采样率和地图分辨率，从而提高在无特征区域的定位鲁棒性。

关键设计：LM-Calibr使用最小二乘法优化DH参数，损失函数基于点云对齐误差。EVA-LIO中，下采样率和地图分辨率的调整策略基于环境的空间尺度信息，例如，在特征丰富的区域使用较高的下采样率和较低的分辨率，而在特征稀疏的区域则使用较低的下采样率和较高的分辨率。具体的参数设置需要根据实际应用场景进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，LM-Calibr在不同场景、安装角度和初始值下均能实现准确和稳定的标定。EVA-LIO通过自适应调整下采样率和地图分辨率，在保证扫描完整性的同时，显著提高了在无特征区域的定位鲁棒性。具体性能数据（例如，定位精度提升百分比）和与其他基线方法的对比结果（例如，在特定数据集上的RMSE降低）需要在论文中查找。

🎯 应用场景

该研究成果可广泛应用于需要高精度定位和建图的旋转式激光雷达系统中，例如自动驾驶、机器人导航、三维重建、以及工业自动化等领域。通过提高标定精度和定位鲁棒性，可以提升相关系统的整体性能和可靠性，尤其是在复杂和动态环境中。未来，该方法可以进一步扩展到多激光雷达系统或与其他传感器融合，以实现更强大的感知能力。

📄 摘要（原文）

Accurate calibration and robust localization are fundamental for downstream tasks in spinning actuated LiDAR applications. Existing methods, however, require parameterizing extrinsic parameters based on different mounting configurations, limiting their generalizability. Additionally, spinning actuated LiDAR inevitably scans featureless regions, which complicates the balance between scanning coverage and localization robustness. To address these challenges, this letter presents a targetless LiDAR-motor calibration (LM-Calibr) on the basis of the Denavit-Hartenberg convention and an environmental adaptive LiDAR-inertial odometry (EVA-LIO). LM-Calibr supports calibration of LiDAR-motor systems with various mounting configurations. Extensive experiments demonstrate its accuracy and convergence across different scenarios, mounting angles, and initial values. Additionally, EVA-LIO adaptively selects downsample rates and map resolutions according to spatial scale. This adaptivity enables the actuator to operate at maximum speed, thereby enhancing scanning completeness while ensuring robust localization, even when LiDAR briefly scans featureless areas. The source code and hardware design are available on GitHub: \textcolor{blue}{\href{https://github.com/zijiechenrobotics/lm_calibr}{github.com/zijiechenrobotics/lm_calibr}}. The video is available at \textcolor{blue}{\href{https://youtu.be/cZyyrkmeoSk}{youtu.be/cZyyrkmeoSk}}