面向激光雷达里程计、建图与定位的二次曲面表示
计算机视觉与模式识别
2023-04-28 v1
摘要
当前激光雷达里程计、建图与定位方法利用 3D 场景的点式表示，并在自动驾驶任务中达到高准确度。然而，使用点式表示的方法在空间上低效，限制了其在实际应用中的发展与使用。特别地，扫描-子图匹配与全局地图表示方法受限于大体积点云最近邻搜索（NNS）的低效性。为提升时空效率，我们提出一种使用二次曲面描述场景的新方法，其比传统点云紧凑得多。与点云方法不同，我们基于二次曲面表示的方法将 3D 场景分解为稀疏二次曲面片集合，提升了存储效率并避免了缓慢的点式 NNS 过程。我们的方法首先将给定点云分割为片，并将每片拟合为二次隐函数。随后每函数与该片的其他几何描述子（如中心位置与协方差矩阵）耦合。这些片表示共同完整描述 3D 场景，可替代原始点云并用于激光雷达里程计、建图与定位算法。我们进一步设计了一种二次曲面表示的增量增长新方法，免去从原始点云重复重拟合二次曲面的需要。在 KITTI 与 UrbanLoco 数据集大体积点云上的大量里程计、建图与定位实验表明，我们的方法在保持低延迟与内存占用的同时取得了具竞争力甚至更优的准确度。
引用
@article{arxiv.2304.14190,
title = {Quadric Representations for LiDAR Odometry, Mapping and Localization},
author = {Chao Xia and Chenfeng Xu and Patrick Rim and Mingyu Ding and Nanning Zheng and Kurt Keutzer and Masayoshi Tomizuka and Wei Zhan},
journal= {arXiv preprint arXiv:2304.14190},
year = {2023}
}