里程计估计中由 LiDAR 生成图像提取关键点辅助的点云配准方案
机器人学
2023-09-20 v1
摘要
关键点检测与描述在包括视觉里程计（VO）、视觉导航和同步定位与建图（SLAM）在内的各类机器人与自主应用中起着关键作用。尽管大量关键点检测器和描述子已在传统相机图像中得到广泛研究，这些技术在由 LiDAR 生成的图像（即反射率和距离图像）中的有效性尚未被评估。这些图像因在雨或雾等恶劣条件下的鲁棒性而受到关注。此外，它们包含显著的纹理信息，在点云配准阶段补充了 LiDAR 点云提供的几何信息，尤其在仅依赖 LiDAR 传感器时。这解决了 LiDAR 里程计（LO）在几何相同场景或并非所有原始点云都有信息量甚至可能产生误导时所遇到的漂移问题。本文旨在通过全面的定量研究，分析传统图像关键点提取器与描述子在 LiDAR 生成图像上的适用性。此外，我们提出一种新方法来增强 LO 的鲁棒性与可靠性。提取关键点后，我们对点云进行下采样，随后将其整合进点云配准阶段以用于里程计估计。我们的实验表明，所提方法具有相当的精度但降低了计算开销、提高了里程计发布频率，并且在易因原始点云发生漂移的场景中表现更优。这进而为后续将 LiDAR 生成图像与 LO 融合的研究奠定了基础。我们的代码可在 GitHub 获取：https://github.com/TIERS/ws-lidar-as-camera-odom。
引用
@article{arxiv.2309.10436,
title = {LiDAR-Generated Images Derived Keypoints Assisted Point Cloud Registration Scheme in Odometry Estimation},
author = {Haizhou Zhang and Xianjia Yu and Sier Ha and Tomi Westerlund},
journal= {arXiv preprint arXiv:2309.10436},
year = {2023}
}