基于地面精化的实时 LiDAR SLAM

仅使用点云的 SLAM 系统近年来已被证明是成功的。在大多数此类系统中，它们在地面去除后提取特征用于跟踪，这导致 z 轴方差较大。地面实际上提供了鲁棒信息以获取 $[t_z, \theta_{roll}, \theta_{pitch}]$。在本项目中，我们遵循 LeGO-LOAM——一种轻量级实时 SLAM 系统，其提取并配准地面作为原始 LOAM 的补充——并提出了一种基于聚类的新型方法以精化地面的平面提取算法，使系统能处理更具噪声或动态的环境。我们实现了该方法，并在收集的 CMU 校园数据以及为越野自动驾驶收集的 ATV（全地形车）数据集上与 LeGO-LOAM 进行比较。可视化与评估结果均显示我们的算法有明显改进。