基于点云结构相似性的水下声纳回环检测
机器人学
2025-03-19 v2
摘要
在本文中，我们提出了一种基于点云结构相似性的回环检测方法，用于使用声纳传感器的水下同时定位与建图。现有的基于声纳的回环检测方法通常依赖于 2D 投影和关键点提取，这可能导致数据丢失并在特征稀缺的环境中表现不佳。此外，基于神经网络或词袋的方法需要大量的预处理，例如模型训练或词汇创建，降低了对新环境的适应性。为了应对这些挑战，我们的方法直接利用 3D 声纳点云而不进行投影，并基于几何、法向量和曲率计算逐点结构特征图。通过利用旋转不变的相似性比较，所提出的方法消除了关键点检测的需要，并确保在不同水下地形中实现稳健的回环检测。我们使用两个真实世界数据集验证了我们的方法：从深水获取的 Antarctica 数据集和从河流与湖泊收集的 Seaward 数据集。实验结果表明，与现有的基于关键点和基于学习的方法相比，我们的方法实现了最高的回环检测性能，同时不需要额外的训练或预处理。我们的代码可在 https://github.com/donghwijung/point_cloud_structural_similarity_based_underwater_sonar_loop_detection 获取。
引用
@article{arxiv.2409.14020,
title = {Point Cloud Structural Similarity-based Underwater Sonar Loop Detection},
author = {Donghwi Jung and Andres Pulido and Jane Shin and Seong-Woo Kim},
journal= {arXiv preprint arXiv:2409.14020},
year = {2025}
}