基于三维格拉斯曼流形物体的SLAM全局数据关联
机器人学
2022-05-19 v1
摘要
与常用的点云地图相比，在激光雷达SLAM中使用杆状和平面物体可以提高精度并减少地图存储需求。然而，由于需要在没有初始猜测的情况下进行全局匹配，使用这些地标进行位置识别和几何验证具有挑战性。现有工作通常仅利用杆状或平面地标，限制了在有限环境中的应用。我们提出了一种全局数据关联方法，用于激光雷达扫描中的回环检测，该方法以统一的方式同时使用三维直线和平面物体。本文的主要创新点在于，将激光雷达扫描中提取的直线和平面物体表示在仿射子空间的流形上，即仿射格拉斯曼流形。直线和平面之间的对应关系使用我们基于图的数据关联框架进行匹配，随后在最小二乘意义下进行配准。与仅使用杆状物体和仅使用平面物体的方法相比，我们的三维仿射格拉斯曼方法在KITTI数据集上，在100%精确率下，回环召回率分别提高了71%和325%，并且能够提供误差小于10厘米和1度的帧间对齐。
引用
@article{arxiv.2205.08556,
title = {Global Data Association for SLAM with 3D Grassmannian Manifold Objects},
author = {Parker C. Lusk and Jonathan P. How},
journal= {arXiv preprint arXiv:2205.08556},
year = {2022}
}