MULLS：基于多度量线性最小二乘的通用激光雷达SLAM
机器人学
2021-04-28 v3 计算机视觉与模式识别
摘要
自动驾驶与移动测绘的快速发展，需要能够适应不同规格激光雷达在各种复杂场景下的即用型激光雷达SLAM解决方案。为此，我们提出了MULLS，一种高效、低漂移且通用的三维激光雷达SLAM系统。对于前端，利用双阈值地面滤波与主成分分析从每一帧中提取粗略分类的特征点（地面、立面、柱体、梁等）。随后，通过所提出的多度量线性最小二乘迭代最近点算法，高效地完成当前帧与局部子地图之间的配准。每一类点内的点对面（线）误差度量通过线性近似联合优化以估计自身运动。已配准帧的静态特征点被追加到局部地图中以保持其更新。对于后端，在定期存储的历史子地图之间进行分层位姿图优化，以降低航位推算带来的漂移。我们在三个数据集上进行了大量实验，这些数据集包含由七种类型激光雷达在各种室外与室内场景采集的超过100,000帧数据。在KITTI基准上，MULLS在纯激光雷达SLAM系统中位居前列，并具有实时性能。
引用
@article{arxiv.2102.03771,
title = {MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square},
author = {Yue Pan and Pengchuan Xiao and Yujie He and Zhenlei Shao and Zesong Li},
journal= {arXiv preprint arXiv:2102.03771},
year = {2021}
}
备注
Codes: https://github.com/YuePanEdward/MULLS, Accepted by ICRA 2021