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# Photometric LiDAR and RGB-D Bundle Adjustment

論文地址：https://arxiv.org/abs/2303.16878

作者單位：羅馬薩皮恩扎大學(xué)

開源代碼：https://github.com/digiamm/ba_md_slam

傳感器軌跡和三維地圖的聯(lián)合優(yōu)化是SLAM系統(tǒng)的重要特征。要實現(xiàn)這一點，黃金標(biāo)準(zhǔn)是捆綁調(diào)整(BA)?，F(xiàn)代3D激光雷達(dá)現(xiàn)在保留了更高的分辨率，可以創(chuàng)建類似于傳統(tǒng)相機拍攝的點云圖像。然而，用于RGB-D傳感器的典型有效的全局細(xì)化技術(shù)并未廣泛應(yīng)用于激光雷達(dá)。本文提出了一種新的BA光度測量策略，它同時考慮了RGB-D和LiDAR。我們的工作可以用在任何SLAM/GNSS估計之上，以改進(jìn)和完善初始軌跡。我們使用這兩個深度傳感器在公共基準(zhǔn)上進(jìn)行了不同的實驗。我們的結(jié)果表明，與其他最先進(jìn)的自組織SLAM/BA策略相比，我們的系統(tǒng)性能與之相當(dāng)，甚至更好，沒有數(shù)據(jù)關(guān)聯(lián)，也沒有對環(huán)境做出假設(shè)。此外，我們還介紹了在我們的統(tǒng)一方法中聯(lián)合使用RGB-D和LiDAR的好處。

本文的主要貢獻(xiàn)是提出了一種適用于RGB-D和LiDAR的統(tǒng)一光度BA策略。我們的方法旨在改進(jìn)來自SLAM/GNSS系統(tǒng)的軌跡，以最大限度地提高其光度一致性。我們的方法隱含地解決了數(shù)據(jù)關(guān)聯(lián)問題，并直接支持多個異構(gòu)傳感器。我們對有關(guān)最先進(jìn)的傳感器特定優(yōu)化策略和SLAM算法的基準(zhǔn)數(shù)據(jù)進(jìn)行了比較評估。結(jié)果表明，我們的簡單優(yōu)化方案是非常有效的，其性能與專門針對RGB-D和LiDAR數(shù)據(jù)的方法持平或更好。我們還演示了如何通過融合3D激光雷達(dá)和RGB-D來改進(jìn)我們的光度BA策略。

以上內(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