论文地址: https://arxiv.org/pdf/2001.10249.pdf
代码:
来源: 牛津大学
论文名称:Online LiDAR-SLAM for Legged Robots with Robust Registration and Deep-Learned Loop Closure
原文作者:Milad Ramezani
内容提要
本文提出了一种基于因子图的3D LiDAR-SLAM系统,组合了SOTA深度学习的基于特征的回环检测子,使得腿式机器人能够在工业环境中定位和建图。点云首先通过惯性运动学状态估计器对齐,然后再使用ICP进行配准对齐。为了实现闭环,使用一种回环策略,匹配工业环境中的分割块和点云。我们离线训练描述子来匹配这些分割块。设计网络结构以最小化参数数量实现了本文方法的高效性,从而使得深度学习方法能够使用CPU实时配置。里程计和闭环因子通过位姿图优化被更新。最终本文提供了高效的风险对齐预测方法,验证了配准的可靠性。在工业环境中的实验结果表明,本文系统的鲁棒性和灵活性,包括在SLAM地图中的自主路径跟随。
主要框架及实验结果