我的 LiDAR 里程计工具箱里有什么？
机器人学
2021-10-08 v3 计算机视觉与模式识别
摘要
随着 3D LiDAR 传感器的普及，对精确的 LiDAR 里程计与 SLAM 的需求日益增长。新方法不断涌现，提出的解决方案从经典算法的小幅改进到基于深度学习的全新范式不一而足。然而，这些方法往往难以比较，尤其是因为可用于评估和对比方法的数据集很少。此外，它们的弱点也鲜少被审视，常常让用户在实际应用中碰壁后才发现某方法是否适合特定用例。本文对主流 3D LiDAR 里程计进行梳理并归为不同类别。我们实现了多种方法（基于几何的、基于深度学习的和混合方法），以在多个数据集上深入分析其优势与不足，为读者梳理现有各类 LiDAR 里程计。相关方法的实现已公开于 https://github.com/Kitware/pyLiDAR-SLAM。
引用
@article{arxiv.2103.09708,
title = {What's in My LiDAR Odometry Toolbox?},
author = {Pierre Dellenbach and Jean-Emmanuel Deschaud and Bastien Jacquet and François Goulette},
journal= {arXiv preprint arXiv:2103.09708},
year = {2021}
}
备注
This work was realised in the context of the PhD thesis of Pierre Dellenbach, financed by Kitware (https://www.kitware.fr/equipe-vision-par-odinateur/), under the supervision of Bastien Jacquet (Kitware), Jean-Emmanuel Deschaud and Fran\c{c}ois Goulette (Mines ParisTech)