通过集成多传感器融合改进SLAM技术,用于3D重建.
Yiyi Cai1,2,3, Yang Ou2,3, Tuanfa Qin1,2,3
1School of Electronic and Information Engineering, South China University of Technology, Guangzhou 510641, China.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
这项研究通过整合LiDAR-惯性测距 (LIO),视觉惯性测距 (VIO) 和物体检测来增强同时定位和映射 (SLAM). 这提高了在动态环境中与移动物体的映射精度.
科学领域:
- 机器人和人工智能 机器人和人工智能
- 计算机视觉和传感器融合
背景情况:
- 同时定位和映射 (SLAM) 在具有变量元素的动态环境中面临挑战.
- 强大的SLAM需要集成多个传感器以获得可靠的性能.
研究的目的:
- 在复杂,动态环境中增强SLAM的稳定性和绘图准确性.
- 为了整合LiDAR-惯性测距仪 (LIO),视觉惯性测距仪 (VIO) 和惯性测量单元 (IMU) 的预整合.
- 整合一个轻量级的物体检测网络,用于实时的短暂物体排除.
主要方法:
- 集成LIO,VIO,以及先进的IMU预集成技术.
- 实施一个轻量级,高性能的物体检测网络.
- 传感器数据和物体检测的融合,以准确地绘制环境地图.
主要成果:
- 在具有可变元素的环境中,SLAM的强度和可靠性得到了改进.
- 通过排除短暂的物体,实现了复杂环境的精确映射.
- 实验评估证实了拟议的综合方法的有效性.
结论:
- 综合SLAM方法为具有挑战性和动态的环境提供了实际的解决方案.
- 提高绘图准确性和可靠性对于自主导航至关重要.
- 该研究强调了传感器融合和对象检测对先进机器人的好处.
