开源!用于3D激光雷达SLAM回环检测的实时词袋模型BoW3D

点击进入—>3D视觉工坊学习交流群

0. 笔者个人体会

回环检测对于SLAM系统的全局一致性有着至关重要的影响。现有的视觉SLAM回环检测大多是基于词袋模型,也就是2012年推出的BoW2库和2017年推出的改进版本BoW3,例如ORB-SLAM2和VINS-Mono。2021年ORB-SLAM3的横空出世更是将基于词袋的回环检测/重定位推上了新高度。

但激光雷达SLAM呢?相比视觉SLAM就稍显尴尬了。Lego-LOAM是基于轨迹位姿方法的回环检测,使用KDtree寻找当前位姿的历史最近位姿,之后把历史位姿作为候选,用ICP算法修正位姿。Cartographer采用scanMatch将scan和submaps匹配,通过分支定界加快搜索,然后降低位姿残差。当然也有一些深度学习回环方法,比如波恩大学开源的OverlapNet。但不管怎么说,激光雷达SLAM的回环检测目前还是非常简单,并且假设位姿优化结果偏移小,无法应对大尺度漂移。另一方面,现有的雷达SLAM回环方法很难去修正6自由度位姿。

中科院沈自所的崔芸阁博士近期开源的BoW3D似乎解决了这个痛点。崔博同时开源了新的点云特征描述方式Link3D以及基于Link3D的BoW3D词袋库。本文将带领读者一起欣赏崔博的最新工作!当然笔者水平有限,如果有理解不当的地方欢迎各位读者一起探讨,共同学习!

注:本文参考了崔芸阁博士的直播分享,感谢崔博的精彩报告。

1. 论文信息

LinK3D:<

你可能感兴趣的:(3D视觉从入门到精通,3d,人工智能,计算机视觉)