超级会员免费看
本文介绍了自动驾驶和SLAM中动态障碍物滤除的重要性及应用场景，探讨了动态障碍物对点云配准和地图构建的影响。在平面移动机器人和自动驾驶的不同需求下，提出了实时和离线的滤除方案，如基于点云分割、可见性和栅格的方法，并推荐了相关算法。强调动态障碍物滤除在提升定位精度和地图质量中的关键作用，以及在线实时滤除与离线处理的权衡。
作者：知乎博主Sky Shaw | 来源：计算机视觉工坊
在公众号「3D视觉工坊」后台，回复「原论文」即可获取论文pdf和代码。
添加微信：dddvisiona，备注：自动驾驶，拉你入群。文末附行业细分群。
1、引言
在单次激光SLAM或者定位的过程中，动态障碍物（如：移动的车辆、行人等）会对SLAM或者定位造成两个方面的负面影响：点云配准 和 地图构建
针对点云配准，动态障碍物能造成最极端的情况是“当一帧激光数据中的大部分（甚至100%）点云都是从动态障碍物上返回的数据，那么该帧点云则没有能力在reference scan（或者reference map）中找到correspondent points，点云的配准就会失效，但在实际情况下，点云配准时的query scan数据中受到动态障碍物影响的点云个数是“有限的”，由此query scan中大多数的点云还是可以找到它们的correspondences，少数的异常量不会产生太大的干扰。另一方面，若是采用特征法进行点云配准，动态障碍物在预处理阶段也会被剔除，由此基于特征的配准方
订阅专栏 解锁全文
扫一扫
1329
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
