摘要:
近年来,仅使用点云的 SLAM 系统已被证明是成功的。 在这些系统中的大多数中,它们提取特征以跟踪地后移除,这会导致 z 轴上的较大差异。 Ground 实际上提供了可靠的信息来获得 [t_z, \theta_{roll}, \theta_{pitch}]$。 在这个项目中,我们遵循 LeGO-LOAM,一种轻量级实时 SLAM 系统,提取并注册地面作为原始 LOAM 的补充,我们提出了一种新的基于聚类的方法来改进地面的平面提取算法,使得系统 可以处理更多嘈杂或动态的环境。 我们实现了这种方法,并在我们收集的 CMU 校园数据以及用于越野自动驾驶的 ATV(All-Terrain Vehicle)收集的数据集上将其与 LeGo-LOAM 进行了比较。 可视化和评估结果都表明我们的算法有明显的改进
来源:
https://arxiv.org/abs/2110.11517
Oct 2021