MAROAM：基于地图的雷达 SLAM 通过两步特征选择
机器人学
2022-10-26 v1
摘要
在本文中，我们提出 MAROAM，一种基于毫米波雷达的 SLAM 框架，其采用两步特征选择过程来构建全局一致地图。具体而言，我们首先基于局部几何属性从原始数据中提取特征点，以滤除那些违背毫米波雷达成像原理的点。然后，我们通过检查特征点在先前帧中被检测到的频繁程度与最近程度，进一步执行另一轮概率特征选择。通过这种两步特征选择，我们建立了全局一致地图，用于准确且鲁棒的位姿估计以及其他下游任务。最后，我们在后端执行回环检测与图优化，进一步减小累积漂移误差。我们在三个数据集上评估 MAROAM 的性能：Oxford Radar RobotCar Dataset、MulRan Dataset 和 Boreas Dataset。我们考虑了具有不同场景、天气和道路条件的多种实验设置。实验结果表明，MAROAM 在这三个数据集上的精度分别比当前性能最优的算法高 7.95%、37.0% 和 8.9%。消融结果还显示，我们基于地图的里程计比常用的 scan-to-frames 方法性能好 28.6%。最后，作为开源社区的忠实贡献者，我们将在论文被接收后开源该算法。
引用
@article{arxiv.2210.13797,
title = {MAROAM: Map-based Radar SLAM through Two-step Feature Selection},
author = {Dequan Wang and Yifan Duan and Xiaoran Fan and Chengzhen Meng and Jianmin Ji and Yanyong Zhang},
journal= {arXiv preprint arXiv:2210.13797},
year = {2022}
}