面向精确在线 LiDAR 里程计的高效概率自适应体素建图
机器人学
2022-07-11 v5
摘要
本文提出一种用于 LiDAR 里程计的高效概率自适应体素建图方法。该地图由一组体素构成；每个体素包含一个平面（或边缘）特征，可实现环境的概率表示以及新 LiDAR 扫描的精确配准。我们进一步分析了由粗到细体素建图的需求，随后采用一种由哈希表和八叉树组织的新型体素地图来高效构建与更新地图。我们将所提体素地图应用于迭代扩展卡尔曼滤波器，并构建了一个用于位姿估计的最大后验概率问题。在公开 KITTI 数据集上的实验表明，与其他最先进方法相比，我们的方法具有高精度与高效率。在非重复扫描 LiDAR 的非结构化环境下的户外实验进一步验证了我们的建图方法对不同环境及 LiDAR 扫描模式的适应性。我们的代码与数据集已在 Github 上开源。
引用
@article{arxiv.2109.07082,
title = {Efficient and Probabilistic Adaptive Voxel Mapping for Accurate Online LiDAR Odometry},
author = {Chongjian Yuan and Wei xu and Xiyuan Liu and Xiaoping Hong and Fu Zhang},
journal= {arXiv preprint arXiv:2109.07082},
year = {2022}
}
备注
8 pages, 2022 RA-L/ 2022 IEEE IROS