以下內(nèi)容來自[從零開始機(jī)器人SLAM知識(shí)星球]每日更新內(nèi)容

#論文# BoW3D: Bag of Words for Real-time Loop Closing in 3D LiDAR SLAM

論文地址：https://arxiv.org/abs/2208.07473![]()

作者單位：中國沈陽自動(dòng)化研究所

? 回環(huán)檢測是自主移動(dòng)系統(tǒng)的同時(shí)定位與建圖的基本部分。在視覺 AMR 領(lǐng)域，詞袋 (BoW) 在循環(huán)閉包方面取得了巨大成功。用于回環(huán)檢測的 BoW 特征也可以用于后續(xù)的 6-DoF 回環(huán)校正。然而，對于 3D ELMo Moses，最先進(jìn)的方法可能無法實(shí)時(shí)有效地識(shí)別回環(huán)，并且通常無法糾正完整的 6-DoF 回環(huán)位姿。為了解決這個(gè)限制，我們提出了一種新穎的詞袋，用于在 3D ELMo Moses 中實(shí)時(shí)檢測回環(huán)，稱為 BoW3D。我們方法的新穎之處在于它不僅可以有效地識(shí)別重新訪問的回環(huán)位置，而且可以實(shí)時(shí)糾正完整的 6-DoF回環(huán)位姿。BoW3D 基于 3D 特征 LinK3D 構(gòu)建詞袋，有效、位姿不變，可用于準(zhǔn)確的點(diǎn)到點(diǎn)匹配。我們進(jìn)一步將我們提出的方法嵌入到 3D ELMo 測量系統(tǒng)中，以評估循環(huán)關(guān)閉性能。我們在公共數(shù)據(jù)集上測試我們的方法，并將其與其他最先進(jìn)的算法進(jìn)行比較。在大多數(shù)具有卓越實(shí)時(shí)性能的場景中，BoW3D 在 F1 max 和擴(kuò)展精度分?jǐn)?shù)方面表現(xiàn)出更好的性能。值得注意的是，當(dāng)在配備 Intel Core i7 @2.2 GHz 處理器的筆記本上執(zhí)行時(shí)，BoW3D 平均需要 50 毫秒來識(shí)別和糾正 KITTI 00 中的回環(huán)。

本文貢獻(xiàn)如下：

1、提出了一種基于具有 3D 特征的詞袋的完整回環(huán)檢測系統(tǒng)。它構(gòu)建了 LinK3D 特征的數(shù)據(jù)庫，并可以有效地實(shí)時(shí)識(shí)別重新訪問的位置。?

2、所提出的方法也可用于根據(jù) LinK3D 的匹配結(jié)果實(shí)時(shí)糾正完整的6-DoF回環(huán)位姿，使我們的方法能夠與在線操作中的后續(xù)回環(huán)優(yōu)化過程一起使用。

3、所提出的方法已嵌入到最先進(jìn)的雷達(dá)里程計(jì)系統(tǒng)中。實(shí)驗(yàn)結(jié)果表明，我們的方法可以顯著消除漂移并提高 3D 雷達(dá)SLAM系統(tǒng)的準(zhǔn)確性。

以下內(nèi)容來自[從零開始機(jī)器人SLAM知識(shí)星球]每日更新內(nèi)容