激光slam框架:S-LOAM

摘要:

本文描述了一种基于语义分割和激光雷达里程计和映射的树直径估计的端到端管道。 由于地面和树木被树叶、荆棘和藤蔓包围，因此对此类环境进行精确映射具有挑战性，而且传感器通常会经历极端运动。 我们提出了一种基于语义特征的姿态优化，在估计机器人姿态的同时优化树模型。 该管道利用自定义虚拟现实工具来标记用于训练语义分割网络的 3D 扫描。 掩蔽点云用于计算网格图，该网格图识别单个实例并提取 SLAM 模块使用的相关特征。 我们表明，传统的基于激光雷达和图像的方法在无人驾驶飞行器 (UAV) 和手持系统的森林环境中都失败了，而我们的方法更加稳健、可扩展，并且可以自动生成树木直径估计。

开源链接:

https://github.com/haocaichao/S-LOAM

论文链接:

SLOAM: Semantic Lidar Odometry and Mapping for Forest Inventory | IEEE Journals & Magazine | IEEE Xplore