SLAM论文速递【动态SLAM】—4.05（3）

最新推荐文章于 2024-09-04 07:39:03 发布

喧嚣之中不再一个人

最新推荐文章于 2024-09-04 07:39:03 发布

阅读量210

点赞数

分类专栏： SALM学习(论文分享) 文章标签：算法人工智能计算机视觉

本文链接：https://blog.csdn.net/m0_61847109/article/details/129968049

版权

SALM学习(论文分享) 专栏收录该内容

58 篇文章 25 订阅

订阅专栏

论文信息

题目：

LiDAR SLAM With Planes,Lines,and Cylinders
激光雷达与平面，线和圆柱体SLAM

论文地址：

https://ieeexplore.ieee.org/abstract/document/9787712

发表期刊：

IEEE Robotics and Automation Letters ( Volume: 7, Issue: 3, July 2022)

摘要

平面、直线和圆柱体广泛存在于人造环境中。本文介绍了一种利用这三种类型地标的激光雷达同步本地化和测绘(SLAM)系统。该算法由局部映射、全局映射和定位三个部分组成。局部和全局映射通过LiDAR姿态联合调整平面、直线和柱面，以最小化点到模型的成本，即平面-直线-柱面调整(PLCA)。我们证明，经过一定的预处理，PLCA与这三种类型的标志点的上限数量无关，这使得高效解决大规模的PLCA问题成为可行的。定位组件通过将局部平面、直线和圆柱注册到全局平面、直线和圆柱来进行实时姿态估计，这被称为平面-直线-圆柱注册(PLCR)。我们提出了一种有效的PLCR解决方案。检测和数据关联可能会引入错误。我们通过检查后台的成本来纠正这些错误。基于配准的算法(如LOAM和ICP)很难纠正这些错误，因为它们没有维护数据关联。实验结果表明，该算法优于目前最先进的激光雷达SLAM算法，达到了实时性。

内容简介

本文的贡献如下:我们证明了，通过一些预处理，局部和全局PLCA的迭代最小化与从平面、直线和柱面捕获的点的数量无关。由于这些物体是无界的，因此激光雷达扫描可以从中捕获许多点。该算法使求解大规模PLCA问题变得可行。我们为PLCR提供了一种有效的解决方案。我们采用一阶泰勒展开来近似旋转，假设后续两次扫描之间有一个小旋转，这通常是正确的。如果出现快速旋转运动，则迭代此步骤。我们的算法可以容忍一定的检测误差。由于LiDAR点云的遮挡性和稀疏性，检测过程中容易引入误差，如图1和图2所示。在LOAM和ICP等注册框架中很难解决这个问题，因为数据关联没有得到很好的维护。我们的算法通过检查后端的开销来纠正检测错误。

评价

在这封信中，我们介绍了一种新的激光雷达SLAM算法，使用平面、直线和圆柱体。我们证明，通过一些预处理，局部和全局PLCA的最小化与从平面、直线和圆柱捕获的点的数量无关。此外，我们提出了一种有效的PLCR问题的解决方案。检测可能会引入错误，这对于基于配准的方法是有问题的。我们的算法检查并纠正后端的错误。实验结果表明，该算法在实时性方面优于现有算法。