以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# Quadric Representations for LiDAR Odometry, Mapping and Localization

論文地址：https://arxiv.org/abs/2304.14190

作者單位：西安交通大學(xué) ?

目前的激光雷達(dá)里程計、建圖和定位方法利用了3D場景的逐點(diǎn)表示，并在自動駕駛?cè)蝿?wù)中實(shí)現(xiàn)了高精度。然而，使用逐點(diǎn)表示的方法空間效率低下，限制了它們在實(shí)際應(yīng)用中的發(fā)展和使用。特別是，幀到子地圖匹配和全局地圖表示方法受到大體積點(diǎn)云最近鄰搜索(NNS)效率低下的限制。為了提高時空效率，我們提出了一種使用二次曲面來描述場景的新方法，與傳統(tǒng)的點(diǎn)云相比，二次曲面對3D對象的表示要緊湊得多。與基于點(diǎn)云的方法相比，基于二次表示的方法將三維場景分解為一組稀疏的二次曲面片，提高了存儲效率，避免了緩慢的逐點(diǎn)NNS過程。我們的方法首先將給定的點(diǎn)云分割成多個面片，并將每個面片擬合到一個二次隱函數(shù)。然后，每個函數(shù)與該面片的其他幾何描述符相耦合，例如其中心位置和協(xié)方差矩陣。

總而言之，這些面片表示完全描述了3D場景，可以用來代替原始的點(diǎn)云，并用于LiDAR里程計、建圖和定位算法。我們進(jìn)一步設(shè)計了一種新的二次曲面表示的增量生長方法，該方法消除了從原始點(diǎn)云中反復(fù)重新擬合二次曲面的需要。在Kitti和UrbanLoco數(shù)據(jù)集的大容量點(diǎn)云上進(jìn)行的大量里程計、地圖繪制和定位實(shí)驗表明，我們的方法在保持低延遲和內(nèi)存利用率的同時，獲得了具有競爭力的甚至更高的精度。

本文貢獻(xiàn)如下：

1、我們提出了一種基于二次曲面表示的場景近似表示方法，從三維場景的點(diǎn)云表示中提取曲面，并將其擬合到不同類型的二次曲面上。這些基于四邊形的表示可以用來代替原始的點(diǎn)云，用于激光雷達(dá)里程計、建圖和定位。我們的表示顯著減少了全局地圖存儲所需的空間，提高了特征關(guān)聯(lián)的時間效率，并且在幀-幀和幀到地圖配準(zhǔn)任務(wù)中使用時保持了當(dāng)前的精度基準(zhǔn)。

2、我們提出了一種二次表示的增量生長方法，它加速了子地圖和地圖的生成。這種方法允許二次曲面的逐步擴(kuò)展，消除了從原始點(diǎn)云反復(fù)重新擬合二次曲面隱函數(shù)的計算代價高昂的任務(wù)。

3、通過在Kitti和UrbanLoco數(shù)據(jù)集上的實(shí)驗，我們證明了我們的方法在效率上有顯著的提高，并且在地圖壓縮、激光雷達(dá)里程計、地圖繪制和定位任務(wù)中具有良好的性能。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容