SE-LIO：面向树木密集环境的语义增强型固态激光雷达-惯性里程计
机器人学
2023-12-05 v1
摘要
本文提出了一种在树木密集环境中的语义增强型固态激光雷达-惯性里程计（SE-LIO）。首先合并多个激光雷达帧并用惯性导航系统（INS）进行补偿，以增加点云覆盖范围，从而提高语义分割的准确性。然后利用语义信息去除非结构化点云，如树叶和动态物体。此外，将杆状点云（主要是树干）建模为圆柱体以提高定位精度。提出了一种自适应分段圆柱拟合方法，以适应弯曲树干普遍存在的环境。最后，采用迭代误差状态卡尔曼滤波器（IESKF）进行状态估计。点-圆柱和点-平面约束与INS提供的先验约束紧密耦合，以获得最大后验估计。在复杂的校园和公园环境中进行了针对性实验，以评估SE-LIO的性能。所提出的方法，包括去除非结构化点云和自适应圆柱拟合，提高了精度。具体来说，与基于平面的LIO相比，所提出的SE-LIO的定位精度提高了43.1%。
引用
@article{arxiv.2312.01809,
title = {SE-LIO: Semantics-enhanced Solid-State-LiDAR-Inertial Odometry for Tree-rich Environments},
author = {Tisheng Zhang and Linfu Wei and Hailiang Tang and Liqiang Wang and Man Yuan and Xiaoji Niu},
journal= {arXiv preprint arXiv:2312.01809},
year = {2023}
}