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，提升弱光环境定位精度。

🎯 匹配领域: 支柱三：空间感知 (Perception & SLAM)

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SLAM系统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100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。该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。使用非视觉数据提供了优于视觉系统的显著优势，使其对低能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：论文旨在解决在缺乏可靠视觉信息的情况下，如何利用低成本传感器实现高精度的三维定位与建图问题。现有磁SLAM系统依赖视觉里程计或轮式编码器提供低漂移里程计信息，这限制了其在弱光、黑暗或视觉遮挡等环境中的应用。因此，如何在仅使用低成本的惯性传感器和磁力计的情况下，实现鲁棒且精确的SLAM是本研究的核心问题。

核心思路：论文的核心思路是将惯性测量单元(IMU)和磁力计阵列的数据进行融合，构建一个惯性磁SLAM(IM-SLAM)系统。通过利用IMU提供的高频运动信息和磁力计提供的磁场信息，可以在没有视觉信息的情况下进行定位和建图。论文提出了松耦合和紧耦合两种融合策略，旨在充分利用不同传感器的优势，提高系统的鲁棒性和精度。

技术框架：该IM-SLAM系统主要包含以下几个模块：1) 传感器数据采集模块：负责采集IMU、磁力计和气压计的数据。2) 预处理模块：对传感器数据进行滤波、校准等预处理操作。3) 状态估计模块：利用扩展卡尔曼滤波(EKF)或类似的状态估计算法，融合传感器数据，估计载体的位姿和速度。4) 地图构建模块：根据估计的位姿和磁场信息，构建磁场地图。松耦合系统采用两个独立的状态空间模型，分别处理局部和全局磁场信息，而紧耦合系统将两者集成到一个状态空间模型中。

关键创新：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，摆脱了对视觉信息的依赖，使其能够在弱光等复杂环境中工作。此外，论文还提出了松耦合和紧耦合两种融合策略，并对它们的性能进行了比较分析。紧耦合系统通过将局部和全局磁场信息集成到一个状态空间模型中，实现了更高的定位精度。

关键设计：论文中，磁场模型的设计至关重要，需要考虑磁场的空间分布特性。状态估计模块通常采用扩展卡尔曼滤波(EKF)或其变体，需要仔细设计状态向量、测量模型和过程噪声模型。紧耦合系统中，如何有效地融合IMU和磁力计的数据，以及如何处理传感器噪声和偏差，是关键的技术细节。此外，滤波器的参数调优也对系统的性能有重要影响。

📊 实验亮点

实验结果表明，所提出的紧耦合IM-SLAM系统在大多数场景下优于松耦合系统，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，通过有效地融合惯性传感器和磁力计的数据，可以在没有视觉信息的情况下实现较为精确的定位和建图。该结果验证了基于低成本传感器构建鲁棒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、地下管线探测等领域。在这些场景中，视觉信息往往受限或不可靠，而基于惯性磁传感器的SLAM系统能够提供鲁棒的定位和建图能力，为救援人员提供重要的环境信息，提高救援效率和安全性。未来，该技术有望与机器人技术相结合，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.