短暂性与基于 LiDAR 的终身建图相遇

终身建图对于机器人在动态环境中的长期部署至关重要。本文提出了 ELite，一个基于 LiDAR 并利用短暂性辅助的终身建图框架，该框架能够无缝对齐多时段数据、移除动态物体并以端到端方式更新地图。地图元素通常被分类为静态或动态，但诸如停放的汽车这类情况表明需要比二元分类更细致的类别。我们方法的核心是将世界进行概率建模为两阶段的 $\textit{短暂性}$，它表示在两个不同时间尺度下地图中点的瞬态性。通过利用短暂性中编码的时空上下文，ELite 能够准确推断瞬态地图元素，维持可靠的最新静态地图，并以更细粒度的方式提高对齐新数据的鲁棒性。在长期数据集上的大量真实世界实验证明了我们系统的鲁棒性和有效性。源代码已向机器人社区公开：https://github.com/dongjae0107/ELite。