BoW3D：用于 3D LiDAR SLAM 实时闭环的词袋方法
计算机视觉与模式识别
2022-11-21 v2
摘要
闭环是自主移动系统同步定位与建图（SLAM）的基本组成部分。在视觉 SLAM 领域，词袋（BoW）在闭环中取得了巨大成功。用于闭环搜索的 BoW 特征也可用于后续的 6 自由度闭环校正。然而，对于 3D LiDAR SLAM，现有最优方法可能无法实时有效识别闭环，且通常不能校正完整的 6 自由度闭环位姿。为解决此局限，我们提出一种用于 3D LiDAR SLAM 实时闭环的新型词袋方法，称为 BoW3D。我们的方法不仅能高效识别重访的闭环位置，还能实时校正完整的 6 自由度闭环位姿。BoW3D 基于 3D LiDAR 特征 LinK3D 构建词袋，该特征高效、位姿不变且可用于精确的点对点匹配。我们进一步将所提方法嵌入 3D LiDAR 里程计系统以评估闭环性能。我们在公开数据集上测试了该方法，并与其他最优算法比较。BoW3D 在大多数场景下在 F1 max 和扩展精度分数方面表现出更好性能。值得注意的是，在配备 Intel Core i7 @2.2 GHz 处理器的笔记本上执行时，BoW3D 在 KITTI 00（包含 4K+ 64 线 LiDAR 扫描）上平均耗时 48 毫秒来识别并校正闭环。我们在此发布我们的方法实现：https://github.com/YungeCui/BoW3D。
引用
@article{arxiv.2208.07473,
title = {BoW3D: Bag of Words for Real-Time Loop Closing in 3D LiDAR SLAM},
author = {Yunge Cui and Xieyuanli Chen and Yinlong Zhang and Jiahua Dong and Qingxiao Wu and Feng Zhu},
journal= {arXiv preprint arXiv:2208.07473},
year = {2022}
}
备注
Accepted by IEEE Robotics and Automation Letters (RA-L)/ICRA 2023