基于贪心特征选择的的高效 LiDAR SLAM
机器人学
2021-03-25 v1 计算机视觉与模式识别
摘要
现代 LiDAR-SLAM（L-SLAM）系统已在大规模真实场景中展现出优异结果。然而，由于昂贵的数据关联与非线性优化，它们通常具有高延迟。本文证明主动选择特征子集可显著提升 L-SLAM 系统的精度与效率。我们将特征选择表述为基数约束下的组合优化问题，以保留信息矩阵的光谱属性。随机贪心算法被用于实时逼近最优结果。为避免病态估计，我们还提出了一种通用策略来评估环境的退化并在线调整特征数量。所提出的特征选择器被集成到一个多 LiDAR SLAM 系统中。我们通过覆盖两种传感器配置与计算平台下多种场景的大量实验验证了该增强系统。我们表明，与最先进的 L-SLAM 系统相比，我们的方法表现出更低的定位误差与加速效果。为使社区受益，我们已发布源代码：https://ram-lab.com/file/site/m-loam。
引用
@article{arxiv.2103.13090,
title = {Greedy-Based Feature Selection for Efficient LiDAR SLAM},
author = {Jianhao Jiao and Yilong Zhu and Haoyang Ye and Huaiyang Huang and Peng Yun and Linxin Jiang and Lujia Wang and Ming Liu},
journal= {arXiv preprint arXiv:2103.13090},
year = {2021}
}
备注
7 pages, 6 figures, accepted at 2021 International Conference on Robotics and Automation (ICRA 2021)