用于水下 SLAM 的测深点云数据驱动回环检测
机器人学
2022-09-20 v1
摘要
用于自主导航的同步定位与建图（SLAM）框架依赖鲁棒的数据关联来识别回环以进行后端轨迹优化。对于配备多波束测深仪（MBES）的自主水下航行器（AUVs），由于海床中可识别地标稀少、AUV 易遭受的航位推算导航估计的大漂移以及 MBES 数据特有的低分辨率，数据关联尤其具有挑战性。用于回环检测的深度学习方案在来自更结构化环境的数据上已展现出优异性能。然而，它们向海床领域的迁移并非易事，且由于缺乏测深数据集，将其移植的努力受阻。因此，本文我们提出一种神经网络架构，旨在展示将此类技术适配于测深数据中的对应匹配之潜力。我们在来自 AUV 任务的实际测深数据上训练框架，并评估其在回环检测与粗点云对齐任务上的性能。最后，我们展示了它相对于一种更传统方法的潜力，并发布了其实现与所用数据集。
引用
@article{arxiv.2209.08578,
title = {Data-driven Loop Closure Detection in Bathymetric Point Clouds for Underwater SLAM},
author = {Jiarui Tan and Ignacio Torroba and Yiping Xie and John Folkesson},
journal= {arXiv preprint arXiv:2209.08578},
year = {2022}
}