定位何时何地失效：演化环境中迭代最近点算法的分析

在动态室外环境中，鲁棒的重定位仍然是依赖3D激光雷达的自主系统面临的关键挑战。虽然长期定位已被广泛研究，但发生在数天或数周内的短期环境变化，尽管具有实际意义，却仍未得到充分探索。为填补这一空白，我们提出了一个高分辨率、短期的多时相数据集，该数据集于2025年2月至4月期间在自然和半城市环境中每周采集一次。每次采集都包含高密度点云地图、360度全景图像和轨迹数据。从点云地图导出并模拟了传感器精确遮挡的投影激光雷达扫描，用于评估与真实值之间的配准精度，使用了两种迭代最近点变体：点对点和点对面。结果表明，点对面算法提供了显著更稳定和更准确的配准，尤其是在特征稀疏或植被茂密的区域。本研究提供了一个用于评估短期定位鲁棒性的结构化数据集、一个用于分析噪声下扫描到地图配准的可复现框架，以及一个在演化室外环境中迭代最近点性能的比较评估。我们的分析强调了局部几何和环境变异性如何影响定位成功，为设计更具鲁棒性的机器人系统提供了见解。