面向多样地形退化韧性的自适应去噪增强激光雷达里程计
机器人学
2024-02-08 v2
摘要
同步定位与建图（SLAM）算法在各种环境中的灵活性一直是一项重大挑战。为解决高噪声环境下激光雷达里程计漂移问题，集成聚类方法以滤除不稳定特征已成为 SLAM 框架的有效模块。然而，减少点云数据量可能导致信息潜在丢失与可能的退化。因此，本研究提出一种能够动态评估点云可靠性的激光雷达里程计。该算法旨在通过筛选对环境退化程度敏感的重要特征点，提升在多样环境中的适应性。首先，提出一种基于距离图像的快速自适应欧氏聚类算法，其与深度聚类相结合，提取定义为环境骨架点的环境主要结构点。随后，通过骨架点的稠密法向特征计算环境退化程度，并据此动态调整点云清洗。该算法在 KITTI 基准与真实环境中得到验证，在不同环境下展现出更高的精度与鲁棒性。
引用
@article{arxiv.2309.14641,
title = {Adaptive Denoising-Enhanced LiDAR Odometry for Degeneration Resilience in Diverse Terrains},
author = {Mazeyu Ji and Wenbo Shi and Yujie Cui and Chengju Liu and Qijun Chen},
journal= {arXiv preprint arXiv:2309.14641},
year = {2024}
}