Outram：基于三角化场景图与全局离群值剪枝的一次性全局定位
机器人学
2023-09-19 v1
摘要
一次性激光雷达定位是指从单帧点云中估计机器人位姿的能力，这在初始化与重定位过程中具有显著优势。在点云领域，该问题已被广泛研究为全局描述子检索（即回环检测）与位姿精化（即点云配准）问题，既有独立研究也有结合研究。然而，鲜有工作显式考虑候选检索与对应生成在位姿估计中的关系，导致其对子结构歧义较为脆弱。为此，我们提出一种名为 Outram 的分层一次性定位算法，该算法利用三维场景图的子结构进行局部一致的对应搜索与全局子结构级离群值剪枝。这种分层过程将特征检索与对应提取相耦合，通过由局部到全局的一致性精化来解决子结构歧义。我们在多个大规模室外数据集的多种场景中展示了 Outram 的能力。我们的实现已开源：https://github.com/Pamphlett/Outram。
引用
@article{arxiv.2309.08914,
title = {Outram: One-shot Global Localization via Triangulated Scene Graph and Global Outlier Pruning},
author = {Pengyu Yin and Haozhi Cao and Thien-Minh Nguyen and Shenghai Yuan and Shuyang Zhang and Kangcheng Liu and Lihua Xie},
journal= {arXiv preprint arXiv:2309.08914},
year = {2023}
}
备注
8 pages, 5 figures