RoadSimulator3

Nos produits : RoadSimulator3 et ReadyData

Étiquette : LiDAR

  • Fusion GNSS LIDAR inertielle véhicule : vers une localisation plus robuste

    Fusion GNSS LIDAR inertielle véhicule : vers une localisation plus robuste

    La fusion GNSS LIDAR inertielle véhicule devient essentielle dans les systèmes de navigation de véhicules autonomes. Dans cet article, nous explorons une nouvelle méthode proposée par Cheng et al. (2025) combinant odométrie LIDAR, pré-intégration IMU et positionnement GNSS dans un cadre unifié, afin d’obtenir une localisation robuste même en milieu urbain dense ou à haute vitesse.

    Pourquoi fusionner GNSS, IMU et LIDAR ?

    Les approches LIDAR ou visuelles seules souffrent de dérives cumulées lors de longues trajectoires ou de pertes de signal. Le GNSS, bien qu’imparfait en ville, apporte une référence globale utile pour corriger ces dérives. En couplant les trois sources, on obtient une estimation de pose plus fiable et continue.

    Une architecture modulaire efficace

    • Odométrie GNSS : utilisée pour initialiser ou relocaliser rapidement le système.
    • Pré-intégration IMU : fournit une estimation rapide de mouvement entre deux mesures.
    • Odométrie LIDAR avec Dynamic-ICP : méthode de recalage pointcloud plus rapide et robuste.
    • Filtrage IKF contraint : améliore l’estimation des angles d’attitude avec les vitesses GNSS.

    Résultats expérimentaux

    Testée sur les jeux de données KITTI et HK UrbanNav, la méthode réduit l’erreur RMSE de plus de 50 % par rapport à LOAM ou NDT. La fusion adaptative (équation 18 du papier) ajuste dynamiquement la pondération GNSS selon la fiabilité estimée.

    Intégration dans RoadSimulator3

    Cette approche de fusion GNSS LIDAR inertielle véhicule peut enrichir RoadSimulator3, en simulant des conditions de relocalisation, de cartes préalables, ou des environnements dégradés. Une implémentation réaliste du Dynamic-ICP serait un excellent test pour valider des stratégies de fusion multi-capteurs.

    🔗 Lire l’article complet sur arXiv
    🔗 Voir la thèse RoadSimulator3

    fusion GNSS LIDAR inertielle véhicule – schéma du système de localisation
    Figure – Schéma de la fusion GNSS-LIDAR-IMU (source : Cheng et al., 2025)

  • Calibration extrinsèque LiDAR-GNSS : une méthode sans cible

    Calibration extrinsèque LiDAR-GNSS : une méthode sans cible

    calibration extrinsèque LiDAR-GNSS sans cible

    La calibration extrinsèque LiDAR-GNSS est une étape cruciale pour garantir la précision des systèmes multi-capteurs embarqués. Cet article explore une approche sans cible physique, directement applicable aux véhicules autonomes.

    Auteurs : Jeong et al. (2025)

    Référence : arXiv:2507.08349 — DOI : https://doi.org/10.48550/arXiv.2507.08349

    🔍 Résumé de l’étude

    Ce travail propose une approche d’optimisation conjointe pour calibrer plusieurs capteurs LiDAR et un système GNSS/INS sans recours à des cibles physiques. Cette méthode permet une calibration stable et précise, même dans des environnements sans marqueur visuel.

    🎯 Intérêt pour RoadSimulator3

    Une calibration extrinsèque fiable est essentielle pour générer des données simulées alignées entre IMU, LiDAR et GNSS. Cette méthode peut inspirer la fusion des trajectoires simulées avec des systèmes réels, en évitant les recalibrages manuels.

    🧩 Limites

    Le modèle repose sur des hypothèses de mouvement du véhicule qui peuvent ne pas être valides en conduite extrême. De plus, la généralisation à d’autres types de capteurs (caméras, radars) n’est pas traitée.

    🚀 Perspectives

    L’extension vers des calibrations multi-capteurs automatisées et la validation en environnement dégradé (GNSS partiel, LiDAR bruité) seraient des pistes clés.

    En intégrant cette méthode dans les simulateurs comme RoadSimulator3, on améliore la cohérence des données entre capteurs et on réduit les efforts manuels de recalibrage. Ce processus représente un gain considérable en précision et en reproductibilité pour les essais sur route.

    🔗 Liens utiles