面向重复环境中描述符无关LiDAR回环检测的查询校准分段准入
机器人学
2026-05-21 v2 计算机视觉与模式识别
摘要
结构重复的环境会产生视觉上合理但发生混叠的 LiDAR 回环候选，当作为回环因子被接纳时可能破坏位姿图优化。我们提出查询校准分段准入（QCSA），一种面向图稳定性插入的描述符无关稀疏回环接纳策略。该策略将短描述符片段与难负样本进行评分对比，校准哪些查询级片段假设达到几何一致性，并插入由广义迭代最近点（G-ICP）验证的代表性配对。我们在 SNU 库数据集（SNULib）和 HeLiPR 重叠路线上进行评估。在 SNULib 上汇总七种 LiDAR 描述符族，QCSA 将插入的回环因子减少 3.8 倍，将因子精度从 0.542 提升至 0.717，并大幅降低每查询组的错误接纳数。凭借更稀疏的图，它保持了可比的平均绝对轨迹误差（ATE），并将最差序列 ATE 从 1.064 m 显著降低至 0.778 m（相较于密集的 Top1+G-ICP）。聚合平均和最差序列 ATE 均低于仅里程计参考。在匹配的因子预算下，QCSA 还实现了比 SeqSLAM 和稀疏 Top1+G-ICP 选择更低的轨迹误差。在 HeLiPR 上的固定迁移验证（无需路线特定调优）同样抑制了难负样本的接纳。这些结果支持所提出的接纳层用于易混叠的同时定位与建图（SLAM）。我们的实现和数据集将发布于：https://github.com/wanderingcar/snu_library_dataset。
引用
@article{arxiv.2512.09447,
title = {Query-Calibrated Segmental Admission for Descriptor-Agnostic LiDAR Loop Closure in Repetitive Environments},
author = {Jaehyun Kim and Seungwon Choi and Wonseok Kang and Tae-Wan Kim},
journal= {arXiv preprint arXiv:2512.09447},
year = {2026}
}
备注
8 pages, 3 figures