【SLAM】 V-LOAM—KITTI长期霸榜第一，激光视觉融合SLAM算法，LOAM算法的视觉融合方案，性能SOTA

获取完整原文，公众号回复：0174

论文地址： https://frc.ri.cmu.edu/~zhangji/publications/JFR_2018.pdf

代码： 暂无

来源： 卡亚尔公司（Kaarta, Inc.）

论文名称：Laser–visual–inertial odometry and mapping with high robustness and low drift

原文作者：Ji Zhang

内容提要

本文提供了融合3D激光扫描数据、摄像机和IMU的一个数据处理框架，来实时估计自身运动，并建立一个对应运动环境的地图。与传统的使用卡尔曼滤波或因子图优化的方法不同的是，本文采用顺序的多层处理管道，解决从粗到细的运动问题。首先使用IMU测量数据进行运动预测，采用视觉-惯性耦合方法进行估计运动。然后，使用3D激光数据，采用扫描匹配方法进一步细化运动估计和点云地图对齐。由上面的算法本文系统可以实现高频率、低延迟的自我运动估计，以及密集、准确的3D地图生成。此外，该方法能够通过故障模块自动重构来处理传感器的退化。因此，它既可以在高动态运动的环境中运行，也可以在黑暗、无结构、无结构的环境中运行。在实验中，该方法在9.3公里的航行中相对位置漂移率为0.22%，对跑步、跳跃甚至高速公路行驶(高达33 m/s)都具有良好的鲁棒性。

主要框架及实验结果

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。