UNRIO：雷达惯性里程计的不确定性感知速度学习

毫米波雷达对黑暗和灰尘和烟雾等遮挡物具有鲁棒性，并且可以通过多普勒测量直接限制单帧的自速度，这使其成为在视觉障碍条件下用于里程计的有吸引力的传感器。然而，几乎所有现有的雷达惯性里程计系统都依赖于有损雷达点云，这些点云高度稀疏，通常集中在窄角带内，并且在高速下会出现混叠。我们建议直接根据未经滤波的毫米波 I/Q 信号来估计自速度。利用 4D 雷达频谱的基础模型，我们开发了一种系统，该系统将不确定性感知速度预测与 IMU 测量相集成，使用不确定性加权滑动窗口位姿图来准确计算里程计，即使提供的雷达数据存在混叠或不利视场。在公共基准数据集上进行评估，我们的系统 UNRIO 在跨保留环境的大多数序列上实现了最低的相对姿态误差，尽管不同的线性调频配置、运动模式和平台在点云最失败的地方具有最强的增益：IQ1M 中的横向运动和 ColoRadar 中严重混叠的多普勒。