地平面辅助的单目视觉-激光雷达SLAM算法

"该文提出了一种基于地平面的单目视觉辅助激光雷达SLAM算法，旨在解决现有视觉和激光雷达融合算法中的高计算复杂度、精度和稳定性问题。通过结合图像和激光点云的地平面信息，实现了高效、鲁棒的信息融合。具体步骤包括：从激光点云中提取地面点云并寻找图像中的地面ORB特征点，利用单应性变换的交比不变性校验特征匹配，以此估计相机的绝对尺度运动。接着，通过李群SE(3)插值校正激光雷达运动引起的点云畸变，并将单目相机的运动估计用于激光里程计的位姿优化。实验证明，该算法能有效校正点云畸变，实时准确地完成SLAM任务。" 在SLAM（同时定位与建图）领域，融合多种传感器如视觉传感器和激光雷达（LiDAR）是提高系统性能的重要手段。现有的融合算法面临计算复杂度高、系统精度和稳定性不足的挑战。针对这些问题，该研究创新性地提出了一种视觉辅助的激光雷达SLAM方法，尤其注重利用地平面信息来增强算法的效率和鲁棒性。 首先，算法从激光雷达扫描的点云数据中分离出地面点云，这一过程有助于减少非地面点的干扰。随后，在图像中提取与这些地面点对应的ORB（Oriented FAST and Rotated BRIEF）特征点，ORB是一种快速且稳健的特征检测与描述方法，适合于计算机视觉任务。通过单应性变换的交比不变性，该算法能够有效地验证特征匹配的准确性，从而避免错误的深度匹配对系统的影响。 接下来，利用单应性矩阵分解，可以估算出相机的绝对尺度运动，这是SLAM中的关键步骤，因为单目相机无法直接测量尺度，而激光雷达则可以提供一定的尺度信息。通过这种方式，可以克服单目视觉SLAM中的尺度漂移问题。 为了进一步提高系统的鲁棒性，算法采用了李群SE(3)来插值相机的运动估计，这有助于补偿激光雷达在移动过程中造成的点云畸变。SE(3)表示空间中的旋转和平移组合，是描述三维空间中刚体运动的理想数学工具。 最后，单目相机的运动估计被用作初始值，参与到激光里程计的位姿优化过程中，这有助于提升整体定位的精度。通过在公开的KITTI数据集和实际环境中的测试，证明了提出的算法能够实时、准确地校正激光点云畸变，实现精确的SLAM。 关键词涉及了遥感技术、同时定位与建图、激光雷达、单目相机、单应性变换以及交比不变性。这些关键词突出了研究的核心技术和应用背景，强调了在复杂环境下，融合多种传感器信息对于提高SLAM性能的重要性。该研究成果对于自动驾驶、机器人导航等依赖于精准定位和环境理解的领域具有重要价值。