基于激光雷达点云的高效一致捆绑调整

捆绑调整（BA）指同时确定传感器位姿与场景几何的问题，是机器人视觉中的基础问题。本文提出一种面向激光雷达传感器的高效一致捆绑调整方法。该方法利用边与平面特征表示场景几何，并直接最小化每个原始点到对应几何特征的自然欧氏距离。该表述的一个良好性质是几何特征可解析求解，大幅降低数值优化的维度。为更高效表示并求解所得优化问题，本文进而提出新概念“点簇”（point clusters），其通过一组紧致参数即“点簇坐标”（point cluster coordinates）编码所有关联于同一特征的原始点。我们推导了基于点簇坐标的 BA 优化的一阶与二阶闭式导数，并给出其零空间与稀疏性等理论性质。基于这些理论结果，本文开发了高效的二阶 BA 求解器。该求解器除估计激光雷达位姿外，还利用二阶信息估计由测量噪声引起的位姿不确定性，从而得到一致的激光雷达位姿估计。此外，得益于点簇的使用，所开发求解器从根本上避免了在优化所有步骤（代价评估、导数评估与不确定性评估）中枚举每个原始点（因其数量巨大而非常耗时）。我们的方法已开源以惠及机器人学社区及更广领域。