以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# Real-Time Simultaneous Localization and Mapping with LiDAR intensity

論文地址：https://arxiv.org/pdf/2301.09257.pdf

作者單位：蒙特利爾大學(xué)

? ? ?針對非結(jié)構(gòu)化環(huán)境中的幾何退化問題，提出了一種新的基于激光雷達(dá)強(qiáng)度圖像的實時同步定位與建圖方法。傳統(tǒng)的基于激光雷達(dá)的前端里程測量大多依賴于點、線、面等幾何特征。環(huán)境中缺乏這些功能可能會導(dǎo)致整個里程計系統(tǒng)的故障。為了避免這個問題，我們從激光雷達(dá)生成的點云中提取與激光雷達(dá)強(qiáng)度圖像中識別的特征相匹配的特征點。然后利用提取的特征點進(jìn)行配準(zhǔn)，估計機(jī)器人的運(yùn)動。對于后端，我們聯(lián)合優(yōu)化相應(yīng)特征點之間的距離，以及地圖中標(biāo)識的平面的點到面距離。

? ? 此外，我們使用從強(qiáng)度圖像中提取的特征來檢測先前掃描中的回環(huán)候選對象，并執(zhí)行位姿圖優(yōu)化。實驗表明，該方法具有較高的實時性和較高的準(zhǔn)確率，對光照變化、低紋理和非結(jié)構(gòu)化環(huán)境具有很好的效果。

本文貢獻(xiàn)如下：

1、一種新穎的基于強(qiáng)度圖像的實時LiDAR SLAM系統(tǒng)，旨在解決幾何退化問題；

2、將視覺SLAM系統(tǒng)的優(yōu)點結(jié)合到LiDAR SLAM系統(tǒng)中，而不會受到模糊或光照變化的影響；

3、由于特征點較少，并在后端添加了地平面約束和LiDAR BA，因此前端較輕；

4、基于強(qiáng)度的回環(huán)檢測檢測和位姿圖優(yōu)化；

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容