实时的多机SLAM系统：用于动态场景中的定位和3D建图

标题：Real-Time Multi-SLAM System for Agent Localization and 3D Mapping in Dynamic Scenarios

作者：Pierre Alliez, Fabien Bonardi, Samia Bouchafa, Jean-Yves Didier, Hicham Hadj-Abdelkader, Fernando Ireta Mun ̃oz, Viachaslau Kachurka, Bastien Rault, Maxime Robin, David Roussel

来源：IROS2020

编译：王宇杰

审核：王志勇

欢迎个人转发朋友圈；其他机构或自媒体如需转载，请联系原作者授权.

摘要

本文介绍了可穿戴式SLAM系统，该系统可实时执行室内和室外SLAM。相关项目是MALIN挑战的一部分，该挑战旨在创建一个系统来跟踪GPS技术不足以解决或无法工作的复杂场景（例如，黑暗的环境，烟熏的房间，重复的纹理，建筑物的地面过渡和门口穿越问题）中的应急响应人员。 本文提出的系统融合了不同的SLAM技术，以补偿不同方法的鲁棒性问题，同时分别估计位姿。LiDAR和视觉SLAM与惯性传感器融合在一起，使系统能够获取GPS坐标，该坐标通过无线电发送到地面站，以进行实时跟踪。更具体地说，在动态场景中对LiDAR和单目视觉技术进行了测试，在这些场景中，每种技术的主要优势已得到评估和比较。最终，该系统执行了多达三个颗粒级别的3D重建。

主要贡献

(1) 用于执行实时室内/室外SLAM的LiDAR-Visual-Inertial（LVI）融合策略。

(2) 视觉惯性（VI）SLAM非破坏性重新初始化，以从跟踪失败中恢复。

(3) LVI-SLAM映射到GPS UTM地图配准策略和基于概率的位姿滤波。

(4) 不同颗粒级别的离线三维重建。

算法结构

在本文中，我们开发了用于高动态环境中的室内/室外定位的多传感器可穿戴式SLAM系统。

基于agent的SLAM定位系统。通过不同传感器（LiDAR，IMU，相机和GPS）之间进行融合，以实现实时室内/室外SLAM。左：可穿戴系统。右：该系统在室内/室外环境中获得的3D地图（蓝色），轨迹（红色）和3D离线重建结果。中心：获得的平面图已与Google Earth中的建筑物的3D模型对齐（特写）。

本文提出的系统在以下设备上完成了实验验证，但不仅限于下图中描述的硬件。

其主要的难点如下图所示：a）爬行，b）存在刚性物体，c）黑暗环境和非刚性物体，d）弯曲和室外环境，e）烟熏房间，f）高亮度。

多传感器融合方案

本文的LI-SLAM方法是在Loam的基础上加入了IMU，VI-SLAM方法是在ORB-SLAM的基础上加入了IMU。而可穿戴SLAM系统通过松耦合的关系将LVI-SLAM方法与GPS定位融合起来。特别是，当GPS不可用时，LI-SLAM会在VI-SLAM中接收闭环事件，而VI-SLAM会从LI-SLAM接收全局优化姿态。两种SLAM方法均以不同的频率（分别为10Hz和15-20Hz）获得位姿。因此，每个SLAM策略的最后估计姿态均以5 Hz记录，并每2 s通过无线电发送到地面站。

在执行实时计算任务时，GPS数据将一直保持到其精度超过给定阈值为止。使用时间戳仅将有效的GPS坐标与最近的SLAM位置相关联。它们之间的绝对位置（在UTM坐标系中）由KF获得。估计的方向在卡尔曼滤波器中用于预测位姿。预测的GPS坐标用于校正LVI-SLAM产生的潜在漂移。此外，将校正后的GPS位置发送回LI-SLAM和VI-SLAM，以改善重新定位过程。下面两张图显示了完整的融合方案。

主要结果

此处使用的离线3D重建框架旨在如下图所示，在不同的颗粒级别上执行城市重建，但针对室内地图进行了定制。在LOD0中，通过语义分类检测属于墙壁，天花板和地板的所有点。然后将墙壁投影到地板的合适平面上。从投影点中排除异常值，以生成建筑物的平面图。对于LOD1，通过动力学方法重建描绘建筑物的表面。最后，对于LOD2，执行室内3D重建并将其与其关联的LOD0和LOD1连接起来。最终获得的地图结果如下图所示。

Abstract

This paper introduces a Wearable SLAM system that performs indoor and outdoor SLAM in real time. The related project is part of the MALIN challenge which aims at creating a system to track emergency response agents in complex scenarios (such as dark environments, smoked rooms, repetitive patterns, building floor transitions and doorway crossing problems), where GPS technology is insufficient or inoperative. The proposed system fuses different SLAM technologies to compensate the lack of robustness of each, while estimating the pose individually. LiDAR and visual SLAM are fused with an inertial sensor in such a way that the system is able to maintain GPS coordinates that are sent via radio to a ground station, for real-time tracking. More specifically, LiDAR and monocular vision technologies are tested in dynamic scenarios where the main advantages of each have been evaluated and compared. Finally, 3D reconstruction up to three levels of details is performed.

-END-