高精定位与大规模建图
文章平均质量分 92
智驾机器人技术前线
公众号【智驾机器人技术前线】博主
展开
-
告别旋转手机:SLAM过程中的磁力计标定
虽然室内定位仍然更普遍地使用Wi-Fi定位,但使用磁场特征作为替代或辅助信息来源已经变得广为人知并得到利用。磁力计偏差在磁场导航和SLAM中带来了重大挑战。传统上,磁力计通过使用标准球体或椭球体拟合方法以及要求用户手动操作,例如将智能手机以8字形旋转来进行校准。这并不总是可行的,特别是当磁力计附着在重或快速移动的平台,或者用户行为无法可靠控制时。最近的研究提出了在定位过程中使用地图数据进行标定。本文更进一步,验证了不需要预先收集的地图;相反,标定可以作为SLAM过程的一部分完成。原创 2024-09-24 20:24:28 · 647 阅读 · 0 评论 -
揭秘蛇形机器人的主动SLAM算法和障碍物避让策略
蛇形机器人能够模仿自然界动物的运动模式,进入传统机器人无法进入的空间,适应人类无法到达的环境,并扩大人类的探索领域。然而,在未知环境下实现自主导航并同时避免障碍物,即主动SLAM(同步定位与地图构建),往往是一个挑战。本文提出了一种结合深度强化学习的多传感器融合的轮式蛇形机器人的自主避障方法。首先,我们基于正交关节设计了一种轻质材料的模块化轮式蛇形机器人结构,并在Gazebo中构建了蛇形机器人的三维模型。其次,使用基于二维激光雷达和惯性测量单元(IMU)的SLAM来实现在未知环境下的自主导航和障碍物检测。原创 2024-09-11 19:58:00 · 1195 阅读 · 0 评论 -
性能SOTA,端到端在线矢量化高清地图构建框架
在线矢量化高清地图的构建对于自动驾驶中的下游规划和决策至关重要。现有方法通过将地图元素建模为描述其形状的点集合,为这项任务建立了坚实的基线。然而,地图元素之间复杂的几何关系尚未得到充分研究,导致在处理诸如多行人过街等问题时出现显著误差。在本文中,提出了HoMap,这是一个端到端在线矢量化高清地图构建框架,有效捕捉实例之间的复杂关系。具体来说,引入了高阶建模的概念用于地图构建任务,这涉及在高维空间中划分每个实例并计算高阶统计数据以捕捉地图元素之间的相关性。原创 2024-09-10 19:43:17 · 1114 阅读 · 0 评论 -
最强性能的点云配准算法,将Transformer融入点云配准
点云配准是计算机视觉和机器人学领域的一个基本任务。基于变换器的方法在这一领域最近的发展已经展示了增强的性能。然而,这些方法中使用的标准注意力机制通常整合了许多低相关性点,因此在优先考虑其注意力权重在稀疏但有意义的点上存在困难。这种低效率导致了有限的局部结构建模能力和二次计算复杂性。为了克服这些限制,我们提出了点树变换器(PTT),这是一种新颖的基于变换器的点云配准方法,它在保持线性计算复杂性的同时高效地提取全面的局部和全局特征。原创 2024-08-18 13:16:01 · 1021 阅读 · 0 评论 -
旷视科技&电子科大&港中文&港科技联合开源,首个探索室内3D点云配准真实数据生成的方法
数据在训练基于学习的3D点云配准方法中起着至关重要的作用。然而,真实世界的数据集构建成本高昂,而基于渲染的合成数据则存在领域差距。在这项工作中,我们提出了PointRegGPT,使用生成的点云对进行训练以增强3D点云配准。给定单个深度图,我们首先应用随机相机运动将其重投影到目标深度图。将它们转换为点云就得到了一个训练对。为了增强数据的真实性,我们将一个生成模型制定为深度修复扩散过程,以处理目标深度图,以重投影的源深度图作为条件。此外,我们还设计了一个深度校正模块,以减轻在重投影期间由点穿透引起的伪影。原创 2024-08-22 19:47:13 · 982 阅读 · 0 评论 -
全局点云配准的新思考:没有良好初值时如何配准?
本文的目标是解决全局点云配准(PCR)问题,即在不考虑扫描的初始姿态的情况下,找到点云之间的最优对齐。由于计算约束,这个问题对于传统的优化方法来说非常具有挑战性。首先,我们展示了当点云在空间中任意放置时,最先进的深度学习方法会出现巨大的性能下降。我们提出应该利用等变深度学习来解决这个任务,并且我们描述了PCR的特定类型的双等变性。然后,我们设计了BiEquiformer,这是一个新颖且可扩展的双等变流程,即对输入点云的独立变换是等变的。原创 2024-08-29 19:58:50 · 1297 阅读 · 0 评论 -
语义图引导的粗-细-精回环检测算法
回环检测是SLAM系统中的关键组成部分,它通过两个主要步骤帮助消除累积误差:回环检测和回环位姿校正。第一步确定是否执行回环,而第二步估计6自由度位姿以校正里程计漂移。当前的方法大多集中在开发用于回环检测的鲁棒描述符,往往忽略了回环位姿估计。一些包括位姿估计的方法要么精度低,要么计算成本高。为了解决这个问题,我们引入了SGLC,一种实时的语义图引导的回环检测方法,具有鲁棒的回环检测功能和6自由度位姿估计能力。SGLC考虑了前景点和背景点的不同特征。原创 2024-08-18 13:43:10 · 1081 阅读 · 0 评论 -
为量产而设计:自动驾驶车辆激光雷达旋转外参在线标定与异常排除策略
激光雷达(LiDAR,Light Detection and Ranging)是一项在高级驾驶辅助系统(ADAS)和自动驾驶(AD)应用中广泛使用的技术,用于感知、定位以及同步定位与建图(SLAM)等任务。为了使激光雷达正常工作,需要校准激光雷达与车辆坐标之间的旋转外参。这些参数包括横滚角、俯仰角和偏航角,它们最初在制造过程中进行校准。然而,由于长期车辆运行过程中的振动、热量、载荷或意外冲击,这些参数可能会随时间变化。使用不反映这些变化的参数可能会严重降低ADAS和AD应用的性能。原创 2024-09-02 20:24:26 · 1215 阅读 · 0 评论 -
IGE-LIO:充分利用强度信息克服激光退化场景下的定位精度
同时定位与建图(SLAM)在移动机器人的状态估计中扮演着重要角色。大多数流行的激光雷达SLAM方法仅从环境的几何结构中提取特征点,这可能导致在退化场景中的定位不准确。在本文中,我们提出了一种新颖的框架,即强度梯度增强的紧耦合激光雷达-惯性里程计(IGE-LIO)。该框架提出了一种基于激光雷达强度梯度的特征提取方法,用于精确的姿态估计,克服了激光雷达-SLAM在退化环境中面临的挑战。计算每个激光雷达点的强度梯度后,我们从纹理信息中动态提取强度边缘点(IEPs)。原创 2024-08-27 19:41:43 · 1365 阅读 · 0 评论 -
End-to-End视觉里程计新突破:从运动模糊图像中精确估计相机姿态
如何从运动模糊的图像中估计相机姿态仍然是视觉里程计的一个挑战。由于相机运动期间的曝光,模糊伪影是不可避免的。虽然当前的视觉里程计将它们视为噪声,我们认为有必要从模糊伪影中提取潜在信息,因为它们包含了相机运动的先验知识。基于此,我们提出了一种抗模糊的视觉里程计,它通过曝光轨迹提高了相机姿态估计的准确性。具体来说,我们首先使用曝光轨迹来指导相邻帧之间的像素匹配。然后根据曝光轨迹的大小生成模糊掩模。该掩模使姿态模块对严重模糊区域的特征信息关注较少。原创 2024-08-26 22:00:00 · 1414 阅读 · 0 评论 -
MR-ULINS:一种具有多周期异常值剔除的紧密耦合UWB-激光雷达-惯性估计器
激光雷达惯性里程计(LIO)和超宽带(UWB)已经集成在一起,以实现在全局导航卫星系统(GNSS)拒止环境中的无漂移定位。然而,UWB可能会受到系统性距离误差(如时钟漂移和天线相位中心偏移)以及非视距(NLOS)信号的影响,导致鲁棒性降低。在这项研究中,我们提出了一种UWB-激光雷达-惯性估计器(MR-ULINS),它在多状态约束卡尔曼滤波器(MSCKF)框架内紧密集成了UWB距离、激光雷达帧间和IMU测量。系统性距离误差被精确建模以在线估计和补偿。原创 2024-08-21 19:59:50 · 1063 阅读 · 0 评论 -
一种基于角度特征提取和体素固定滞后平滑的高效激光雷达SLAM
激光雷达同时定位与地图构建(SLAM)为自动驾驶提供了精确的姿态估计和地图构建,具有广泛的应用。然而,在一些复杂场景中,例如恶劣环境,SLAM的性能无法满足自动驾驶系统的要求。针对上述问题,我们提出了一种准确且鲁棒的激光雷达SLAM方法。首先,为了避免激光雷达视点变化的不确定性,基于点云的等角分布特性,提出了一种基于角度的特征提取方法。其次,鉴于里程计误差的累积,我们构建了一个固定滞后平滑来联合优化多个关键帧的姿态。此外,为了提高滑动窗口内点云地图的环境表示,我们维护了两种类型的抽象体素地图。原创 2024-08-19 19:20:25 · 789 阅读 · 0 评论 -
基于视觉和惯性测量单元的里程计关键技术研究综述
环境感知与状态估计是智能网联车关键技术之一。同时定位与建图技术(Simultaneous location and mapping technology, SLAM),旨在同时完成自身的状态估计与环境建模,被广泛应用于智能网联车领域。随着研究的深入,学者们发现通过融合多种传感器,可以实现传感之间的短板互补,提升和加强状态估计的实时性与稳定性。原创 2024-08-18 13:55:42 · 669 阅读 · 0 评论 -
一种用于驾驶场景中激光雷达-惯性里程计的快速动态点检测方法
现有的基于3D点的动态点检测和移除方法具有显著的时间开销,使得它们难以适应激光雷达-惯性里程计系统。本文提出了一种基于标签一致性的动态点检测和移除方法,用于处理自动驾驶场景中的移动车辆和行人,并将所提出的动态点检测和移除方法嵌入到自主设计的激光雷达-惯性里程计系统中。在三个公共数据集上的实验结果表明,我们的方法可以在LIO系统中以极低的计算开销(即1∼9毫秒)完成动态点检测和移除,同时实现与最新技术方法相当的保留率和拒绝率,并显著提高位姿估计的准确性。原创 2024-08-18 13:50:06 · 1045 阅读 · 0 评论