简介:LIVE++:一个强大的,实时的辐射重建包,配合一个紧密结合的LiDAR-惯性视觉状态估计器
IEEE transactions on pattern analysis and machine intelligence
|September 9, 2024
概括
本研究介绍了R3LIVE++,一个LiDAR-惯性视觉融合框架,用于准确的状态估计和辐射图的重建. 它通过改进的传感器融合和校准技术来增强机器人本地化和映射.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 传感器融合式传感器
背景情况:
- 同时定位和绘图 (SLAM) 系统对于自主导航至关重要.
- 现有的SLAM方法通常在动态环境中难以获得准确性和稳定性.
- 整合LiDAR,惯性和视觉传感器为增强性能提供了潜力.
研究的目的:
- 开发一个强大而准确的LiDAR-惯性视觉融合框架,用于状态估计和辐射地图重建.
- 通过结合相机光度学校准和在线曝光时间估计来改进现有的R3LIVE框架.
- 通过广泛的实验和各种应用来证明系统的有效性和多功能性.
主要方法:
- 拟议的R3LIVE++框架整合了LiDAR-惯性测距 (LIO) 和视觉惯性测距 (VIO).
- LIO使用LiDAR数据重建几何结构;VIO从图像中恢复辐射信息.
- 通过摄像机光度校准和在线估计摄像机曝光时间,提高了准确性.
主要成果:
- 与最先进的SLAM系统相比,R3LIVE++在准确性和稳定性方面取得了显著的改进.
- 定量和定性实验结果验证了框架在公共和自主收集的数据集上的性能.
- 该系统实现了实时状态估计和飞行中的辐射地图重建.
结论:
- 在具有挑战性的环境中,R3LIVE++为状态估计和映射提供了强大而准确的解决方案.
- 该框架能够重建辐射图的功能使其能够实现先进的应用.
- 该系统显示出在高动态范围成像,虚拟环境和3D游戏等应用领域的巨大潜力.


