时至循环:基于SCAN CONTEXT的城市环境中LiDAR SLAM的增强循环关闭.
Xu Xu1, Lianwu Guan1, Jianhui Zeng1
1College of Intelligent Systems Science and Engineering, Harbin Engineering University, Harbin 150001, China.
Micromachines
|October 26, 2024
概括
本研究引入了基于LiDAR的SLAM的新循环关闭检测方法,通过使用可驾驶区域和IMU数据来提高导航精度. 增强的SCAN CONTEXT算法显著减少了城市环境中累积的错误.
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
- 自主系统 自主系统
背景情况:
- 全球导航卫星系统 (GNSSs) 由于信号阻塞,在城市峡谷中难以准确.
- 微电机系统 (MEMS) 惯性测量单元 (IMU) 提供自主导航,但存在错误积累.
- 基于LiDAR的同时定位和映射 (SLAM) 系统被使用,但面临漂移和错误问题.
研究的目的:
- 为基于LiDAR的SLAM开发一种新的循环关闭检测方法.
- 通过识别先前访问的位置来纠正时间累积的错误.
- 提高自主导航系统的稳定性和准确性.
主要方法:
- 利用车辆可驾驶区域和IMU轨迹进行关键框架选择,识别重大环境变化.
- 扩展SCAN CONTEXT算法,将整体点云分布纳入强大的循环闭合约束.
- 利用超越简单的基于高度的指标的增强环境特征提取.
主要成果:
- 在KITTI数据集上实现了6%的整体准确性改进.
- 在本地场景中显示了17%的准确性改进,展示了增强的稳定性.
- 验证了拟议方法在纠正累积错误方面的有效性.
结论:
- 这种新的循环关闭检测方法显著提高了基于LiDAR的SLAM精度和稳定性.
- 整合可驱动区域和IMU数据为关键框架选择提供了更可靠的方法.
- 扩展的SCAN CONTEXT算法为自主导航提供了更强大的循环闭合约束.


