ART-SLAM：精确的实时 6DoF LiDAR SLAM

地面车辆的实时六自由度位姿估计是机器人学中一个相关且被充分研究的课题，因其具有诸多应用，如自动驾驶和三维建图。尽管已有一些系统存在，但它们要么不够精确，要么在实时设置中表现不佳。本文中，我们提出了一种快速、精确且模块化的 LiDAR SLAM 系统，用于批量和在线估计。我们首先进行下采样和离群点去除，以滤除噪声并减小输入点云的规模。随后将滤波后的点云用于位姿跟踪和地面检测，以对估计轨迹进行地面优化。一个与滤波过程并行工作的预跟踪器的存在，使得可以获得预计算的里程计，在进行跟踪时作为辅助。通过 g2o 位姿图实现的高效闭环和位姿优化是所提出 SLAM 流程的最后步骤。我们将本系统的性能与 SOTA 的基于点云的方法 LOAM、LeGO-LOAM、A-LOAM、LeGO-LOAM-BOR 和 HDL 进行比较，结果表明所提出的系统达到同等或更好的精度，并且能轻松处理即便无闭环的情况。比较通过使用 KITTI 和 RADIATE 数据集评估估计轨迹位移来完成。