Direct Visual Localisation and Calibration for Road Vehicles in Changing City Environments 论文总结

这篇Paper是由牛津大学出品，一作现在在英国Scape Tech做视觉定位、AR的东西。二作去了Nuro做SLAM的老大~ 三作是牛津的Prof，同时在Oxbotica创业做CTO。不得不说，三个人还是蛮强的~ 二作的人后面出来了NID-SLAM，可以说是延续了image similarity比较的思路。

这一篇和上一篇说的方法基本类似，基本流程如下：

• 建图：将camera和LiDAR进行融合成带有RGB的地图，并且使用Triangle mesh grid使地图变得稠密。即使是用2D LiDAR，建出来的图也是可圈可点的
• 定位：使用NID求导来更新pose
• 优化去噪：使用里程计去除相差很大的定位结果
• 在线标定camera和LiDAR：使用多帧NID方法来做在线标定
• 传感器时间同步：Camera和LiDAR的时间同步用了Oxford的一个没有开源的方法
• 需要初始的pose：使用GPS得到

比较新颖的点在于：

• 时间长：长达六个月的数据采集，跨了不同的季节
• 使用了NID而不是暴力破解的方法

需要改进：

• 动态物体占了非常多的面积的时候
• 白天的数据不能用于晚上
• 曝光太严重的时候，比如早上和日落
• 去噪依赖于视觉里程计

最后结果：
在不少数据集下面精度在30cm（translation）以内，已经是非常优秀的定位精度了。旋转精度在1度以内~

转载请注明出处： https://blog.csdn.net/c602273091/article/details/88906330