RING++：用于稀疏扫描地图全局定位的旋转平移不变Gram
机器人学
2022-10-13 v1 计算机视觉与模式识别
摘要
全局定位在许多机器人应用中起着关键作用。基于LiDAR的全局定位因其对光照和季节变化的鲁棒性而受到学界关注。为了进一步改善大视角差异下的定位，我们提出RING++，其具有用于地点识别的旋转平移不变表示，以及对旋转和平移估计的全局收敛性。在理论保证下，RING++能够利用带有稀疏扫描的轻量地图解决大视角差异问题。此外，我们推导了特征提取器使表示保持旋转平移不变性的充分条件，使RING++成为适用于通用多通道特征的框架。据我们所知，这是首个解决稀疏扫描地图中全局定位所有子任务的无学习框架。在真实世界数据集上的验证表明，我们的方法比最先进的无学习方法表现更好，并与基于学习的方法性能相当。最后，我们将RING++集成到多机器人/多会话SLAM系统中，验证其在协作应用中的有效性。
引用
@article{arxiv.2210.05984,
title = {RING++: Roto-translation Invariant Gram for Global Localization on a Sparse Scan Map},
author = {Xuecheng Xu and Sha Lu and Jun Wu and Haojian Lu and Qiuguo Zhu and Yiyi Liao and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2210.05984},
year = {2022}
}