loam论文的理解.pptx

发布时间：2022-06-15 发布人：admin 分类：说明书资料大小：0.83M 资料格式：pptx 举报版权申诉

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第1页.png

第1页 / 共20页

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第2页.png

第2页 / 共20页

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第3页.png

第3页 / 共20页

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第4页.png

第4页 / 共20页

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第5页.png

第5页 / 共20页

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第6页.png

第6页 / 共20页

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第7页.png

第7页 / 共20页

7cfa754e-2463-4ce4-a1a3-552a56f0e3a9.pptx.pdf-第8页.png

第8页 / 共20页

文本预览

LOAM: Lidar Odometry and Mapping in Real-time

• 作者提出了使用六自由度的两轴激光雷达来构建实时激光里程计。 • 问题的难点在于运动估计中的误差可能导致所得点云的误匹配。 • 核心思想：将定位与建图进行分割。

通过并行运行的两种算法来分解问题。 • 1：执行高频率的里程计但是低精度的运动估计 • 2：执行低频率的匹配和注册点云信息 • 两种算法的结合就获得了高精度、实时性的激光里程计

• 激光雷达接收点云数据 • 注册点云 • Lidar Odometry节点：获取两帧连续点云数据间的运动，估计出来的运动用于去除中的运动畸变，频率为10Hz kP • Lidar Mapping节点：使用地图去匹配和注册未畸变的点云数据，频率为1Hz • Transform integration节点：接收前面两个节点输出的信息并将其进行融合处理，频率为10Hz

Lidar Odometry • 特征点提取 • 找特征点的对应 • 运动估计

特征点提取 • 特征点分为边缘点和平面点 • 定义局部平面的光滑度（曲率）： c  | S |  || 1 X || L ( , ) k i ||  , j S j   ( X L ( , ) k i  X L ( , ) k j ) || i • 曲率大的是边缘点，曲率小的是平面点。 • 为了防止特征点聚集，将每一次扫描的点云分成相同的四份，从每份中选取两个边缘点和四个平面点。

特征点提取在选择点时： • 避免选取已经选过点周围的点或者是与激光线接近平行的平面上的点，如下图a中的 B点。 • 避免可能遮挡点，如下图b中的A点

找特征点的对应 • 里程计算法估计获取一次扫描内的雷达运 kt 动。表示第k次扫描开始的时间，在每一次扫描结束时，这一次扫描获得点云会重投影到时间点，将投影后的点云记为。在下一个扫描k + 1期间，与新接收的点云 1kP  一起用于估计激光雷达的运动。 1kt  kP  kP  kP

分享到：

赞收藏

资料库

loam论文的理解.pptx

相关推荐

后端

热门标签

最新资料