原文链接
SegMatch: Segment Based Place Recognition in 3D Point Clouds
概述
- 本文提出了一种基于三维片段匹配的可靠的位置识别算法——SegMatch;
- 使用图像进行位置识别,当光照条件发生强烈变化,或者视角发生变化时,算法将变得不可靠;
- 目前使用三维激光数据识别位置主要是基于关键点的检测和匹配;本文归结为三个主要的趋势:基于局部特征的方法;基于全局描述子的方法以及基于平面或物体的方法;
- 基于局部特征的方法会存在歧义性,并且对环境变化不鲁棒,基于全局特征的方法依赖于视角,基于物体的方法通常假设环境中有真实物体存在,并且需要有一个完美的物体分割技术。因此,本文采用了一种折中的方法——基于片段。一个片段可能属于部分物体或者整个物体,也可能属于更大结构的一部分,这样就不用做出完美分割以及环境中存在物体的假设,通过匹配片段就可以实现位置的识别;
- 本文提出一种模块化的系统,主要有四个模块组成:点云分割、特征提取、片段匹配、几何验证。为了适应不同的环境,可以分别对各个模块算法进行调整替换;
点云分割
- 对于每一个输入的全局一致框架下的点云P,首先选取以当前机器人位置为中心,以R为半径的圆柱体范围内的局部点云;
- 使用voxel grid来滤除噪声点:根据体素内的点的数量是否大于等于2来判断体素是否为占用状态,如果体素未占用,则丢弃&#x