用于实时、大规模及 GNSS 中断森林建图的多传感器地面 SLAM
机器人学
2023-10-03 v1
摘要
森林作为生态系统的关键组成部分，需要有效的监测与管理。然而，在大规模且 GNSS 中断的森林环境中开展实时森林普查长期以来的艰巨挑战。本文提出一种新颖方案，利用机器人与传感器融合技术克服这些挑战，实现更高精度与效率的实时森林普查。该方案包含一种新 SLAM 算法，仅利用 3D 激光雷达与 imu 的连续扫描，即可创建大规模林分精确 3D 地图，并详细估计树木数量及相应胸径 (DBH)。该方法采用分层无监督聚类算法从激光雷达点云中检测树木并测量 DBH。算法可在数据记录时同步运行，也可在记录数据集上事后运行。此外，由于所提出的快速特征提取与变换估计模块，记录数据可以高于常见 SLAM 算法的频率送入 SLAM。所提方案的性能通过手持传感器平台及移动林业机器人的野外数据采集进行了测试，结果精度亦与最先进 (SOTA) SLAM 方案进行了比较。
引用
@article{arxiv.2310.01064,
title = {Multi-Sensor Terrestrial SLAM for Real-Time, Large-Scale, and GNSS-Interrupted Forest Mapping},
author = {Weria Khaksar and Rasmus Astrup},
journal= {arXiv preprint arXiv:2310.01064},
year = {2023}
}