以下內(nèi)容來自從零開始機(jī)器人SLAM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# Global Data Association for SLAM with 3D Grassmannian Manifold Objects

論文地址：https://arxiv.org/abs/2205.08556

作者單位：麻省理工學(xué)院

? ? ?與常用的點(diǎn)云地圖相比，在激光雷達(dá)SLAM中使用極點(diǎn)和平面可以提高精度并降低地圖存儲要求。然而，使用這些地標(biāo)進(jìn)行位置識別和幾何驗(yàn)證是具有挑戰(zhàn)性的，因?yàn)樾枰跊]有初始位姿的情況下進(jìn)行全局匹配。現(xiàn)有的方法通常只利用極點(diǎn)或平面地標(biāo)，將應(yīng)用限制在有限的環(huán)境集合中。本文提出了一種同時(shí)使用三維線、面目標(biāo)進(jìn)行激光雷達(dá)掃描回環(huán)檢測的全局?jǐn)?shù)據(jù)關(guān)聯(lián)方法。

? ? ?本文的主要創(chuàng)新點(diǎn)是在仿射子空間流形上對激光雷達(dá)掃描提取的線和面目標(biāo)的表示，稱為仿射Grassman空間。使用我們的基于圖的數(shù)據(jù)關(guān)聯(lián)框架來匹配線和面的對應(yīng)關(guān)系，并隨后以最小二乘進(jìn)行配準(zhǔn)。與僅極點(diǎn)方法和僅平面方法相比，我們的3D仿射Grassman方法在Kitti數(shù)據(jù)集上分別提高了71%和325%的回環(huán)檢測召回率，并且可以提供小于10 cm和1度的定位誤差。 本文貢獻(xiàn)如下： 1、引入極點(diǎn)和平面對象的仿射Grassmannian表示，用于全局?jǐn)?shù)據(jù)關(guān)聯(lián)，導(dǎo)致三維地標(biāo)的幾何驗(yàn)證，無需初始對齊; 2、使用線和平面代替點(diǎn)進(jìn)行剛性轉(zhuǎn)換的最小二乘估計(jì)，導(dǎo)致對旋轉(zhuǎn)和平移的更準(zhǔn)確估計(jì); 3、對KITTI數(shù)據(jù)集的四個(gè)序列進(jìn)行閉環(huán)幾何驗(yàn)證的評估; 4、準(zhǔn)確度都超過了最先進(jìn)的方法。

以上內(nèi)容來自從零開始機(jī)器人SLAM知識星球 每日更新內(nèi)容