PALoc：利用先验辅助的6自由度轨迹生成与不确定性估计推进SLAM基准测试
机器人学
2024-02-07 v2
摘要
精确生成真值（GT）轨迹对于同步定位与建图（SLAM）评估至关重要，尤其是在不同环境条件下。本研究首次引入了一种系统方法，采用先验地图辅助框架来生成密集的六自由度（6-DoF）GT位姿，从而增强了室内和室外SLAM数据集的保真度。我们的方法擅长处理SLAM数据集中经常遇到的退化和静止条件，从而提高了鲁棒性和精度。我们方法的一个重要方面是在因子图内详细推导协方差，从而能够深入分析位姿不确定性传播。这一分析对于从理论和实证角度展示特定姿态不确定性并增强轨迹可靠性至关重要。此外，我们提供了一个用于地图评估标准的开源工具箱（https://github.com/JokerJohn/Cloud_Map_Evaluation），有助于间接评估整体轨迹精度。实验结果表明，与迭代最近点（ICP）\cite{sharp2002icp}算法相比，在多样的校园环境中，地图精度至少提高了30%，直接轨迹精度提高了20%，并且鲁棒性显著增强。我们的开源解决方案（https://github.com/JokerJohn/PALoc）已广泛应用于FusionPortable\cite{Jiao2022Mar}数据集，旨在用于SLAM基准数据集增强，代表了SLAM评估的重大进步。
引用
@article{arxiv.2401.17826,
title = {PALoc: Advancing SLAM Benchmarking with Prior-Assisted 6-DoF Trajectory Generation and Uncertainty Estimation},
author = {Xiangcheng Hu and Linwei Zheng and Jin Wu and Ruoyu Geng and Yang Yu and Hexiang Wei and Xiaoyu Tang and Lujia Wang and Jianhao Jiao and Ming Liu},
journal= {arXiv preprint arXiv:2401.17826},
year = {2024}
}
备注
11 pages, 8 figures. Accepted by 2024 IEEE/ASME Transactions on Mechatronics (TMECH)