面向地下环境的点云配准框架用于重新定位
机器人学
2025-04-11 v1
摘要
重新定位是指在环境中重新建立机器人位置的过程，这对于在缺乏 GPS 等外部定位信息或该信息丢失时确保准确导航和任务执行至关重要。地下环境对重新定位提出了重大挑战，由于缺乏外部定位信息、照明不足影响相机定位、表面不规则且常不够鲜明，以及尘土可能引入传感器数据中的噪声和遮挡。为此，本文提出一种稳健且计算友好的框架，通过点云配准利用先验点云地图进行重新定位。该框架采用内在形状签名（ISS）在目标点云和先验点云中选择特征点。利用快速点特征直方图（FPFH）算法为这些特征点创建描述子，并通过匹配这些描述子来获得点云之间的对应关系。估计使用匹配点对的 3D 变换，以初始化正态分布变换（NDT）配准。NDT 的变换结果进一步使用迭代最近点（ICP）配准算法进行细化。该框架即使在尘土干扰以及目标和源点云之间显著的初始变换条件下，也能提高配准准确性，适用于地下矿山和隧道中自主机器人的重新定位。该框架在模拟和真实矿山数据集中的实验验证了其提升重新定位潜力。
引用
@article{arxiv.2504.07231,
title = {A Pointcloud Registration Framework for Relocalization in Subterranean Environments},
author = {David Akhihiero and Jason N. Gross},
journal= {arXiv preprint arXiv:2504.07231},
year = {2025}
}