文章目录
把现在实习做点云配准的进展梳理一下,之后总结补充
最近工作进展过程
目标:在已有高精度地图的情况下,实现纯雷达的定位,检测到车辆运行到停车位置附近,定位,输出变换矩阵控制车进行泊车。
搜索了解激光雷达SLAM
搜索查找3D点云配准算法
ICP算法
NDT算法
帧间点云配准整体算法流程
- 数据获取
- 降采样
- 关键点
- 特征提取,描述子
- 匹配算法(粗匹配,精匹配)
PCL点云库了解
Velodyne HDL Grabber回放PCAP
读取PCAP数据,多帧点云逐步匹配
从scan-to-scan到scan-to-map
目前看了论文IMLS-SLAM 无源码,Segmap,日本人的一篇论文做采样,空地机器人匹配方法评估。还有经典的LOAM,深度学习提取特征的论文
粗配准4PCS算法
————————————————————————————————————————————————————
降采样方法:体素法,直通滤波,阈值聚类计算边框然后剔除小型不确定物体法,阈值聚类统计类大小数目线性回归计算斜率角度筛选不太高的物体;剔除地面后阈值聚类物体
关键点:sift,surf,harris,边角线,IMLS方法(隐式移动最小二乘法),ISS
特征点,片段特征,邻域特征
描述子:PFH,FPFH,SHOT,ESF
配准法:RANSAC,4PCS,ICP,NDT,随机森林物体分类匹配