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。