Tag: 里程计

专业术语

什么是轮速里程计？

轮速里程计(Wheel Odometry)是一种通过测量车辆车轮转速来推算车辆位置和姿态变化的定位技术。其核心原理是基于车轮转速传感器(如ABS轮速传感器)采集的脉冲信号，结合车辆运动学模型和车轮半径等参数，计算出车辆的相对位移和航向角变化。这种技术能提供高频(通常10-100Hz)、低延迟的运动估计，但对车轮打滑、轮胎磨损等误差因素较为敏感，通常会与IMU、视觉传感器等形成多源融合定位系统。 在自动驾驶系统中，轮速里程计作为重要的局部定位模块，常被用于填补GNSS信号丢失时的定位空白，或为激光雷达/视觉SLAM提供运动先验。现代智能车辆通常会采用扩展卡尔曼滤波(EKF)或因子图优化等方法，将轮速里程数据与其它传感器信息融合，显著提升在隧道、城市峡谷等复杂场景下的定位鲁棒性。值得注意的是，特斯拉等车企近年提出的「纯视觉+轮速里程」方案，正在重新定义多传感器融合的边界。

专业术语

什么是里程计？

里程计（Odometry）是机器人领域用于估算自身位置和姿态变化的技术，通过测量轮式或足式运动装置的旋转位移来推算相对运动轨迹。其核心原理基于对运动部件（如车轮、关节）的传感器数据进行积分运算，常见于轮式机器人的编码器或惯性测量单元（IMU）数据融合。里程计提供的是相对定位信息，虽然存在累积误差，但在短距离移动、即时定位与地图构建（SLAM）系统中仍是基础运动估计模块。 在具身智能产品开发中，里程计精度直接影响导航系统的可靠性。例如扫地机器人通过轮速脉冲计数推算行进距离，配合激光雷达实现厘米级定位；自动驾驶车辆则需融合视觉里程计（V-Odometry）与轮速数据以补偿GPS信号丢失。当前研究热点包括基于深度学习的误差补偿算法，以及多传感器融合方案以提升长期运动估计的稳定性。MIT出版社《Probabilistic Robotics》第5章对里程计数学模型有系统阐述。