同时定位与建图(simultaneous localization and mapping,SLAM)技术在自动驾驶领域有着广泛的应用,其中精度和计算效率是SLAM最重要的两个指标.然而,传统的激光雷达里程计难以准确高效地提取关键帧,导致构建地图时包含了过多的冗余帧.此...同时定位与建图(simultaneous localization and mapping,SLAM)技术在自动驾驶领域有着广泛的应用,其中精度和计算效率是SLAM最重要的两个指标.然而,传统的激光雷达里程计难以准确高效地提取关键帧,导致构建地图时包含了过多的冗余帧.此外,大多数激光里程计需要对每一帧执行帧到地图的对齐,这带来了高额的计算负担.本文提出了一种基于关键帧的双模式激光里程计与建图方法,通过计算两帧点云之间的特征相似度并将其与运动自适应阈值进行比较,提取关键帧.随后,对关键帧和非关键帧执行不同的配准算法,旨在最小化计算资源的消耗.此外,利用点的水平距离信息计算权重函数,并将其整合到加权位姿约束中.本文提出的SLAM系统在KITTI数据集和实车上进行了大量试验,KITTI序列00-10的结果显示,平移误差仅有0.56%,在旋转上的误差为0.0021(°)/m.实时性方面,与F-LOAM相比,本文算法将平均速度提高了26.5%,比轻量级系统LeGO-LOAM更快.展开更多
文摘同时定位与建图(simultaneous localization and mapping,SLAM)技术在自动驾驶领域有着广泛的应用,其中精度和计算效率是SLAM最重要的两个指标.然而,传统的激光雷达里程计难以准确高效地提取关键帧,导致构建地图时包含了过多的冗余帧.此外,大多数激光里程计需要对每一帧执行帧到地图的对齐,这带来了高额的计算负担.本文提出了一种基于关键帧的双模式激光里程计与建图方法,通过计算两帧点云之间的特征相似度并将其与运动自适应阈值进行比较,提取关键帧.随后,对关键帧和非关键帧执行不同的配准算法,旨在最小化计算资源的消耗.此外,利用点的水平距离信息计算权重函数,并将其整合到加权位姿约束中.本文提出的SLAM系统在KITTI数据集和实车上进行了大量试验,KITTI序列00-10的结果显示,平移误差仅有0.56%,在旋转上的误差为0.0021(°)/m.实时性方面,与F-LOAM相比,本文算法将平均速度提高了26.5%,比轻量级系统LeGO-LOAM更快.
