rf2o

摘要
本文提出了一种快速精确的方法，通过连续的扫描来估计激光雷达的平面运动。对于每一个扫描点，考虑到传感器速度，我们建立了距离流约束方程，最小化所产生的几何约束的鲁棒函数以获得运动估计。与传统的方法相反，这种方法不需要搜索对应信息，而是以密集的三维视觉测定仪的方式，基于扫描梯度进行密集扫描对齐。 为了处理大位移，采用粗到细的方法解决了极小化问题，并利用基于估计协方差的平滑滤波器来处理无约束场景(如走廊)中的不确定性。通过仿真和实际实验，将我们的方法与两个突出的扫描匹配器和轮速里程计进行了比较。定量和定性的结果证明了我们的方法的优越性能，它的计算成本非常低(在单个cpu核上为0.9毫秒)，使得它适合于那些需要平面里程计的机器人应用。为此，我们还提供了代码，以便机器人社区能够从中受益。
INTRODUCTION
里程计是机器人定位的重要组成部分。通常通过三种主要技术来解决这个问题，这些技术是基于惯性器件、车轮编码器或视觉测定仪(通过特征点跟踪或稠密图像对准)。IMU是是估计空间方位的理想方法，但随着时间的推移积累了太多的平移误差，因为它们无法移除测量的重力分量。基于编码器的里程计已被广泛应用于轮式机器人的快速运动估计，但由于滑移和运动机器人模型的不精确性，这种方法容易出现不准确的情况。最后，基于视觉的方法可以说是解决运动估计问题的最灵活和最有力的方法，因为它们可以适应不同类型的机器人(轮式、腿型、无人机)和配置(2D-3D运动)的工作。
我们的方案依靠激光扫描，与上述方法相比，具有独立于车辆类型的优点，而且具有非常快速和精确的优点，并得到了实验验证的支持。因此，它特别适合那些(非常常见)机器人已经使用激光雷达进行测绘、避障或定位的情况。我们的方法名为rf2o(基于范围流的2d里程计)，通过传感器速度的函数表示，假设环境是静态的建立和展示了传感器观测到的任何点的表观运动（假设环境是静态的）。因此，每个点都定义了一个几何残差，它可以在稠密的公式中最小化，以获得激光雷达的运动。为了克服不动环境(即处理运动物体)的假设，我们计算了几何残差的Cauchy m-估计，这是一种比L2或L1范数等传统选择更为稳健的估计。此外，我们在一个粗糙到精细的方案中解决了这个估计问题，它提供了更好的结果，并允许该方法处理较大的运动。
我们进行了一系列不同的实验，以比较我们的方法与PL-ICP和PSM。首先，在有地面真相的模拟场景中，以不同的扫描速率对它们的性能进行评估。其次，给出了实际实验的定性结果，该实验根据每种方法的测点运动估计值将扫描点连在一起，生成二维地图。第三，我们设计了一个真实的实验来评估这些方法对噪声和运动目标的鲁棒性。总体上，结果表明rf2o在转换和旋转方面都非常精确，并且呈现出最低的运行时(比psm快2倍，比pL-icp快20倍)。
Related Work
尽管低成本的rgb-d相机最近倾向于向三维测向、定位和映射策略过渡，但事实上，相当数量的移动机器人在平面上移动，依靠激光扫描仪导航。在此背景下，在二维定位和SLAM领域取得了非常成功的结果，并提出了许多算法来解决一般的扫描匹配问题。在本文中，我们主要研究的是纯二维里程计，它可以看作是一种特殊的扫描匹配情况，在这种情况下，要对齐的扫描是连续的，并且通常是相互接近的。
传统上，ICP或其一些变体被应用于解决连续扫描之间的注册问题（？）。Censi提出一个十分成功的方法，使用的是点对线度量，而不是ICP的点到点度量。此外，作者还提出了一个比现有ICP变体快一个数量级的实现，它比[10]中的 the pioneer point-to-segment更加精确和高效。最近，广义ICP[11]显示了比先前的ICP版本更好的性能，但主要用于三维点云。对于这一系列的方法，准确性取决于每个特定的版本和实现，然而它们都有一个共同的缺点：它们在计算上是昂贵的。
另外，也有其他方法被设计来专门解决2d扫描匹配问题。Gonzalez&Gutierrez 建立了光流约束在距离扫描中自适应的“速度约束方程”，并提出对扫描中观测到的每一个点施加这种限制来估计激光雷达的运动。然而，他们的方法只在简单的模拟场景中进行了测试，并提供了有限的结果。Diosi&Kleeman提出了PSM方法，其中，两个扫描之间的平移和旋转是交替估计的，直到收敛。相反，对于ICP，该方法避免了通过简单匹配相同方位的点来寻找对应点，从而提高了计算性能。等等。
LIDAR VELOCITY AND　２D　RANGE FLOW
在本节中，我们描述了如何从激光扫描仪观察到的视运动来估计2d的速度，假设环境是静态的和刚性的。

FOV是扫描视场。

  fovh = std::abs(scan.angle_max - scan.angle_min); // Horizontal Laser's FOV

与光流约束方程相似，可以由两个扫描对几何一致性的一般表达式导出线性约束。假设r的可微性，第二次扫描的任意点的范围可以表示为Taylor展开：