没有合适的资源?快使用搜索试试~ 我知道了~
首页2D激光SLAM实时闭环检测.pdf
2D激光SLAM实时闭环检测.pdf
需积分: 47 244 浏览量
更新于2023-05-30
评论 1
收藏 29.69MB PDF 举报
catorgrapher中文翻译,便携式激光测距仪(也就是LIDAR)以及实时定位和绘图(slam)都是比较有效的一种建立平面图的方法。实时生成和绘制平面图能很好的评估捕获数据的质量。因此建立一个在有限的资源下可接入的平台是非常有必要的。这篇论文提供了一种在mapping 平台后台使用的方法来实现5cm分辨率的实时绘图和闭环检验。为了达到实时闭环检测,我们使用了分支上界法作为计算scan-to-map匹配的约束。
资源详情
资源评论
资源推荐

摘要
便携式激光测距仪(也就是 LIDAR)以及实时定位和绘图(slam)都是比较有
效的一种建立平面图的方法。实时生成和绘制平面图能很好的评估捕获数据的质
量。因此建立一个在有限的资源下可接入的平台是非常有必要的。这篇论文提供
了一种在 mapping 平台后台使用的方法来实现 5cm 分辨率的实时绘图和闭环
检验。为了达到实时闭环检测,我们使用了分支上界法作为计算 scan-to-map
匹配的约束。
一、介绍
建立平面图对于各种应用都是非常有用的。人工收集这些数据用于建筑管理
任务通常是将计算辅助设计(CAD)与激光磁带测量相结合。这些方法很慢,而
且,通过将人类对建筑的先入为主的观念作为直线的集合,并不总是准确地描述
空间的真实性质。使用 SLAM,可以快速、准确地测量建筑物的大小和复杂程度,
而对于人工测量需要花费数个数量级的时间。
在这个领域应用 SLAM 是一个新的方法,但并不是这篇文章的重点。这篇
论文的 contribution 在于减少计算来自激光数据闭环约束的计算需求。这个技
术能够让我们构建大场景地图,如 1 万平方米,实时给用户提供优化结果。

二、相关工作
这里涉及到几种的匹配算法:
scan-to-scan matching【1-4】:会累计误差,最终误差会很大
scan-to-map matching【5】:减少了误差的累计(本篇论文使用方法)
在线性插值图中用高斯牛顿寻找局部最优,局部优化 scan-to-map 匹配是
有效且鲁邦的。在不稳定的平台上,利用惯性测量单元(IMU)估计重力方向并
把激光投影到水平面上。
pixel-accurate scan matching【1】:最后有说这个算法在后台用于将 scan
集和最近的 submap 进行匹配,生成 loop closing 的约束条件。进一步减少局
部累计误差。即使计算量大,这种方法也用于闭环检测。一些方法【4】着重于
通过匹配从激光数据中提取的特征来减少计算量。对于闭环检测,其它一些方法
【7】使用基于直方图匹配、激光数据特征检测、使用机器学习。
解决局部误差的累计有两种方法:一种是粒子滤波法,一个基于图的 SLAM
方法(graph-based)。这篇文章使用的是后者。
粒子滤波方法中每个粒子必须保留整个系统的一个备份。对于栅格地图的
SLAM,随着地图的变大,资源占用会迅速增大;其中我们一个测试用例为 22000
平方米、3km 的轨迹。越小维度特征表示,如【9】,将不需要每个粒子表示一
个栅格地图,可能会减少资源需求。当需要最新的栅格地图时,建议计算 submap
时需要时更新,最后的地图是所有 submap 的光栅化过程。
graph-based 是一种基于位姿和特征集合的方法。图中的边表示从观察结
果中生成的约束,节点表示的是位姿和特征。对于优化由约束引入的误差有很多

方法,比如文中的参考文献 11,12。【13】描述了一种基于图优化的室外 SLAM
系统,局部 scan-to-scan 匹配、基于 submap 特征直方图的局部地图重叠匹配。
第三,四,五部分是这篇论文的核心,基本的理论知识阐述!非常重要,重
要到我都没看明白就只能先翻译一下了。
三、系统概述
google 的 cartographer 提供了一种室内实时建图方法。这种方法是基于
激光雷达的。绘制的是 2D 图像,分辨率是 5cm。激光数据会在最优位姿处插入
到 submap 中,这个最优位姿假设在短时间内是很准确的。scan matching 发
生在最近 submap 上,所以它只依赖于最近 scan 集、在全局坐标系中累计的位
姿估计误差。
为了在目前硬件需求下得到好的效果,我们方法不使用粒子滤波。为了应对
累计误差,我们会使用位姿优化。当 submap 完成,不再有新的 scan 插入时,
这个 submap 会用作 loop closing 的 scan matching。所有完成的 submap
和 scan 集都会被用来进行 loop closure。如果基于当前估计位姿,他们离的足
够近,scan 匹配器尝试在 submap 中查询相应的 scan。通过每隔几秒钟完成
一次优化,操作员的经验是当重新访问某个位置时环才会马上闭合。这导致了软
件实时约束,即闭环扫描匹配必须比添加新 scan 更快,否则会明显落后。 为
了达到这样的目的,通过使用分支上界法以及对于每个完成的 submap 有对应
的几个预处理的网格(several precomputed grids per finished submap).
剩余13页未读,继续阅读

















安全验证
文档复制为VIP权益,开通VIP直接复制

评论0