ClaRO：一种基于簇的雷达测距方法

《IEEE Robotics and Automation Letters》：ClaRO: A Cluster-Based Method for Radar Odometry

　　

摘要：

我们提出了ClaRO，这是一种基于无监督聚类的4D成像雷达里程计方法，旨在提高雷达纯里程计的鲁棒性并减少长期漂移。我们的核心思想是利用基于密度的聚类方法，结合每个簇的多普勒残差信息来改进自我运动估计，并找到一个局部最优结果作为鲁棒最小二乘法的起始点，同时确定用于姿态估计的静态点。通过加权迭代最近点（ICP）方法，利用多普勒和雷达截面（RCS）线索来细化姿态，同时降低雷达在高度方向上的信息权重。该方法完全是无监督的，且不依赖于具体的传感器类型。我们在多个公开数据集（View-of-Delft、HeRCULES和NTU4DRadLM）上对我们的方法进行了测试，结果表明我们的方法与最新的雷达纯里程计基准算法（Radar4Motion、EFEAR-4D）以及基于姿态图的4DRadarSLAM算法相比，能够达到或超越其性能。我们的聚类方法显著减少了长期漂移，在HeRCULES数据集上，平均绝对轨迹误差（ATE）提高了72.0%，绝对旋转误差（ARE）提高了73.2%。尽管在相对姿态估计方面仍然具有竞争力，但我们的方法在全局轨迹一致性方面有所提升，并且在VoD和NTU4DRadLM基准测试中展示了在不同雷达传感器和环境下的鲁棒性。