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

點擊領(lǐng)取學(xué)習(xí)資料 → 機器人SLAM學(xué)習(xí)資料大禮包

#論文# #開源代碼# SLAMesh: Real-time LiDAR Simultaneous Localization and Meshing

論文地址：https://arxiv.org/abs/2303.05252

作者單位：香港理工大學(xué)

開源代碼：https://github.com/lab-sun/SLAMesh

?大多數(shù)當(dāng)前的激光SLAM系統(tǒng)都是在點云中構(gòu)建地圖，即使在人眼看來是稠密的，但當(dāng)放大時，點云是稀疏的。稠密地圖對于機器人應(yīng)用至關(guān)重要，例如基于地圖的導(dǎo)航。由于內(nèi)存成本低，近年來，網(wǎng)格已成為一種有吸引力的稠密建圖模型。然而，現(xiàn)有方法通常通過使用離線后處理步驟生成網(wǎng)格貼圖。這兩個步驟不允許這些方法在線使用構(gòu)建的網(wǎng)格地圖，并使定位和網(wǎng)格化相互受益。

為了解決這個問題，我們提出了第一個僅使用CPU的實時LiDAR SLAM系統(tǒng)，該系統(tǒng)可以同時構(gòu)建網(wǎng)格地圖并針對網(wǎng)格地圖執(zhí)行定位。采用高斯過程重構(gòu)的直接網(wǎng)格化策略實現(xiàn)了網(wǎng)格地圖的快速構(gòu)建、配準(zhǔn)和更新。我們在幾個公共數(shù)據(jù)集上進行了實驗。結(jié)果表明，我們的SLAM系統(tǒng)可以在40Hz左右運行。定位和網(wǎng)格精度也優(yōu)于最先進的方法，包括TSDF圖和泊松重建。

本文貢獻如下：

1、我們提出了一種基于GP重建和頂點連接的網(wǎng)格劃分策略，該策略允許快速構(gòu)建、查詢和更新網(wǎng)格地圖

2、我們設(shè)計了一種點到網(wǎng)格的配準(zhǔn)方法。結(jié)合約束組合和多線程實現(xiàn)，我們確保了網(wǎng)格地圖定位和建圖的效率和準(zhǔn)確性。

3、我們在網(wǎng)格地圖上開發(fā)了一個稠密、實時、可擴展的開源LiDAR SLAM系統(tǒng)，并通過實驗證明了其優(yōu)勢。

以上內(nèi)容來自小六的機器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容