NV-LIO：利用法向量实现多楼层环境鲁棒SLAM的激光雷达-惯性里程计
机器人学
2024-11-01 v2
摘要
在过去几十年中，众多激光雷达-惯性里程计（LIO）算法被开发出来，并在各种环境中展现出令人满意的性能。然而，这些算法大多主要在开阔的室外环境中得到验证，在受限的室内环境中常常面临挑战。在此类室内环境中，由于激光雷达扫描的快速变化以及墙壁和楼梯等重复性结构特征，可靠的点云配准变得困难，尤其是在多楼层建筑中。本文提出了 NV-LIO，一种基于法向量的 LIO 框架，专为具有多楼层结构的室内环境中的同步定位与建图（SLAM）而设计。该方法从激光雷达扫描中提取法向量，并将其用于对应点搜索以提升点云配准性能。为确保配准的鲁棒性，分析了法向量方向的分布，并检查了退化情况以调整匹配的不确定性。此外，还实现了基于视点的回环检测模块，以避免被墙壁遮挡的错误对应。所提方法通过公开数据集和我们自己的数据集进行了验证。为回馈社区，代码将在 https://github.com/dhchung/nv_lio 上公开。
引用
@article{arxiv.2405.12563,
title = {NV-LIO: LiDAR-Inertial Odometry using Normal Vectors Towards Robust SLAM in Multifloor Environments},
author = {Dongha Chung and Jinwhan Kim},
journal= {arXiv preprint arXiv:2405.12563},
year = {2024}
}
备注
Submitted to IEEE Robotics & Automation Letters