MULLS-SLAM

MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square

亮点总结:

  1. 更精细的Feature模块,在LOAM线面特征的基础上将其细化为6小类,对点的近邻PCA分析,判断其周围点的分布形状,通过特征值大小判定点属于哪一类。
  • 面特征包括:法向量朝下的面(天花板)、法向量朝上的面(地面ground),法向量水平的垂直面

  • 线特征包括:水平线(beam)、垂直线(pilar)

  • 点特征:曲率较大的

  1. 双高度阈值的地面提取方法,将点云按Grid投影成网格,每一个网格计算其点的平均高度,其临域网格的高度,比较大小,确定是否为地面点。对非地面点云进行线面特征提取。
  2. NCC关键点,用于后续的全局匹配。将线面特征进行计数,同时将点云分为close和far两种情况,分别计算其各类feature的数量占比,可以编码8x3位。再加上反射强度占比8位,高度占比8位。用40位编码关键点。用于全局匹配计算初值,为后续的多测量ICP做准备。
  3. 多尺度测量的ICP算法,其实就是迭代加权ICP,根据M估计来合理确定权重。对不同的特征分别用点到点,点线,点面icp结合起来求解。
-------------    本文结束  感谢您的阅读    -------------
胡想成 wechat
欢迎关注个人公众号!
您的支持,是我装逼的最大动力!

本文标题:MULLS-SLAM

文章作者:胡想成

发布时间:2021年04月26日 - 19:04

最后更新:2021年04月26日 - 19:04

原始链接:xchu.net/2021/04/26/100-mulls/

版权声明:本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0许可协议,转载请注明出处!