论文地址:https://arxiv.org/pdf/2007.00258.pdf
代码:https://github.com/TixiaoShan/LIO-SAM
来源:麻省理工&史蒂文斯理工学院
论文名称:LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing andMapping
原文作者:Tixiao Shan
本文提出了一种基于smoothing和mapping的LIO-SAM紧耦合激光雷达惯性测程框架,实现了高精度、实时的移动机器人轨迹估计和地图构建。LIO-SAM在因子图顶部设置了激光雷达惯性里程计,允许将来自不同来源的多种相对和绝对测量(包括闭环)作为因子合并到系统中。从惯性测量单元(IMU)预积分得到运动估计值,并对点云进行反斜处理,得到激光雷达测程优化的初始估计值。利用获得的激光雷达里程计方案估计IMU的偏置。为了保证实时的高性能,我们将旧的激光雷达扫描边缘化以进行姿态优化,而不是将激光雷达扫描匹配到全局地图。选择性地引入关键帧,以有效的滑动窗口方法将新的关键帧配准到固定大小的先验“子关键帧”集合中,在局部范围替代全局范围内进行扫描匹配,从而显著地提高系统的实时性能。该方案在不同规模和环境的三个平台收集的数据集上进行了广泛的评估。
下面是论文具体框架结构以及实验结果:
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。