CAE-RLSM：用于在线特征地图构建的一致且高效的冗余线段合并方法
机器人学
2020-06-23 v4
摘要
为了获得紧凑的基于线段的地图表示以用于移动机器人的定位与规划，有必要合并在不同扫描中物理上表示环境同一部分的多余线段。本文提出了一种一致且高效的冗余线段合并方法（CAE-RLSM）用于在线特征地图构建。所提出的 CAE-RLSM 由两个新提出的模块组成：一对多增量线段合并（OTM-ILSM）与多处理全局地图调整（MP-GMA）。与最先进的离线合并方法不同，所提出的 CAE-RLSM 能够实现实时建图性能，不仅高效地减少了增量合并的冗余，还解决了闭环后全局地图调整的问题以保证全局一致性。此外，提出了一种基于相关性的评价指标用于线段地图的质量评估。该评价指标不需要人工测量环境度量信息，而是充分利用同步定位与建图（SLAM）系统获得的全局一致激光扫描，以客观公平的方式比较不同基于线段的建图方法的性能。在公开数据集与自采数据集上，与基于均值漂移的离线冗余线段合并方法（MS-RLSM）以及一对一增量线段合并方法的离线版本（OTO-ILSM）的对比实验结果，展示了 CAE-RLSM 在不同场景下效率与地图质量的优越性能。
引用
@article{arxiv.1901.01766,
title = {CAE-RLSM: Consistent and Efficient Redundant Line Segment Merging for Online Feature Map Building},
author = {Jian Wen and Xuebo Zhang and Haiming Gao and Jing Yuan and Yongchun Fang},
journal= {arXiv preprint arXiv:1901.01766},
year = {2020}
}