信息驱动、受约束、对齐：基于退化感知点云配准的领域分析
机器人学
2025-07-15 v3
摘要
ICP配准算法已作为激光LiDAR机器人定位方法近十年来首选方法。然而即使在现代SLAM解决方案中，ICP在几何欠条件环境下仍会出现性能下降和不可靠的问题。当前解决方案主要依赖额外的信息源（如外部里程计），通过替换优化解的退化方向或在传感器融合中添加额外约束来应对。为此，本文首次在该量级文献中系统性地检验和比较新的与现有退化缓解方法，以实现稳健的LiDAR-based定位，并分析这些方法在退化环境下的有效性。具体而言，本文研究：i) 在LiDAR退化环境下使用主动或被动退化缓解方法处理欠条件ICP问题的效果；ii) 对TSVD、不等式约束以及线性/非线性Tikhonov正则化在退化点云配准中的应用进行评估。此外，本文对ICP问题中最小二乘最小化步骤进行灵敏度分析，以更好地理解各方法如何影响优化及其预期效果。通过多项真实世界机器人现场实验和仿真实验验证分析结果。结果表明，在缺乏可靠外部估计辅助的LiDAR-SLAM场景中，主动优化退化缓解是必要且有优势的；软约束方法在复杂欠条件场景下可通过启发式微调参数提供更好结果。
引用
@article{arxiv.2408.11809,
title = {Informed, Constrained, Aligned: A Field Analysis on Degeneracy-aware Point Cloud Registration in the Wild},
author = {Turcan Tuna and Julian Nubert and Patrick Pfreundschuh and Cesar Cadena and Shehryar Khattak and Marco Hutter},
journal= {arXiv preprint arXiv:2408.11809},
year = {2025}
}
备注
Accepted to IEEE Transactions on Field Robotics