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# Large-Scale LiDAR Consistent Mapping using Hierachical LiDAR Bundle Adjustment

論文地址：https://arxiv.org/abs/2209.11939

作者單位：香港大學(xué) ?

重建精確一致的大規(guī)模激光雷達(dá)點(diǎn)云圖對于機(jī)器人應(yīng)用至關(guān)重要?，F(xiàn)有的位姿圖優(yōu)化方法雖然具有時間效率，但不能直接優(yōu)化建圖一致性。激光雷達(dá)束調(diào)整(BA)最近被提出來解決這個問題;然而，在大規(guī)模地圖上，這太費(fèi)時了。為了解決這一問題，本文提出了一種適用于大比例尺地圖的全局一致且高效的建圖方法。我們提出的工作包括自底向上的分層BA和自頂向下的姿態(tài)圖優(yōu)化，它結(jié)合了兩種方法的優(yōu)點(diǎn)。通過分層設(shè)計，我們用比原來的BA更小的Hessian矩陣大小解決了多個BA問題;通過位姿圖優(yōu)化，實(shí)現(xiàn)了激光雷達(dá)姿態(tài)的平穩(wěn)高效更新。我們提出的方法的有效性和魯棒性已經(jīng)在多個空間和及時的大型公共旋轉(zhuǎn)激光雷達(dá)數(shù)據(jù)集上得到驗(yàn)證，即KITTI、MulRan和Newer College，以及結(jié)構(gòu)化和非結(jié)構(gòu)化場景下自收集的固態(tài)激光雷達(dá)數(shù)據(jù)集。通過適當(dāng)?shù)脑O(shè)置，我們證明了我們的工作可以用大約12%的序列時間生成全局一致的建圖。

本文貢獻(xiàn)如下：

1、提出了一種分層BA方法，對激光雷達(dá)的建圖一致性和建圖精度進(jìn)行全局優(yōu)化。我們提出的方法提高了給定良好的初始姿態(tài)軌跡(例如，從位姿圖優(yōu)化)的建圖質(zhì)量，甚至在初始姿態(tài)軌跡有較大漂移時縮小了差距。

2、我們提出的工作的有效性已經(jīng)在多個公共機(jī)械旋轉(zhuǎn)激光雷達(dá)數(shù)據(jù)集和我們自收集的固態(tài)激光雷達(dá)數(shù)據(jù)集上得到了驗(yàn)證，這些數(shù)據(jù)集包括結(jié)構(gòu)化和非結(jié)構(gòu)化場景。

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