西安网站建设案例,wordpress定时功能,建设一个网站的设备,自己电脑做网站服务器设置0. 简介
自从ikd-tree出来后#xff0c;现在越来越多的工作瞄准了增量式这种方法#xff0c;比如说激光惯导里程计#xff08;LIDAR-Inertial Odometry#xff0c;LIO#xff09;的高精度跟踪通常涉及最小化点到平面距离的k最近邻#xff08;kNN#xff09;搜索#x…0. 简介
自从ikd-tree出来后现在越来越多的工作瞄准了增量式这种方法比如说激光惯导里程计LIDAR-Inertial OdometryLIO的高精度跟踪通常涉及最小化点到平面距离的k最近邻kNN搜索然而这样做的成本是维护大型局部地图并为每个点执行kNN平面拟合。在《LIO-PPF: Fast LiDAR-Inertial Odometry via Incremental Plane Pre-Fitting and Skeleton Tracking》中我们通过节省这些不必要的成本来减少LIO的时间和空间复杂度在技术上设计了一个平面预拟合PPF方法来跟踪3D场景的基本框架。在PPF中平面不是为每个扫描单独拟合的更不用说为每个点拟合了而是随着场景“流动”而逐步更新与kNN不同PPF对噪声和非严格平面更具有鲁棒性而且我们采用迭代主成分分析iPCA进行优化。此外还引入了一个简单但有效的夹层以消除假的点对平面匹配并且完全开源了代码。
1. 文章贡献
本文中与在搜索每个点的kNN之后懒惰地拟合平面相比我们采用了一种更积极的平面预拟合方法。这个想法源于两个不必要的因素 1不必要的kNN当前的LiDAR扫描跟踪[1]-[6]为每个单独的点搜索kNN以拟合平面假设空间接近的点来自同一平面。然而这个条件太严格了即空间上远离的点也可能属于同一个平面例如长墙。换句话说kNN策略忽略了平面不总是在小的局部区域内这一事实。对于大平面来说大多数kNN搜索是冗余的因为它们最终拟合相同的平面。同时来自连续LiDAR扫描的点通常来自同一个大平面的不同部分即它们共享同一个高级别大平面对象。这给了我们一个提示如果搜索发生在高级特征平面空间中那么kNN的昂贵成本自然可以被节省。
2不必要的大型局部地图如果只保留几个扫描在局部地图中NN可能会很远因此很可能属于其他对象导致kNN不准确地拟合匹配的平面。因此扩大局部地图以保证足够接近的点对kNN对应关系[5]-[7]如图1d所示。但是我们注意到即使只保留一个扫描在局部地图中缺乏接近的NN≠NN \neqNN 缺乏平面匹配。例如在图1b中大多数橙色墙体点未能在长墙上找到接近的NN但是这面墙的平面可以轻松地从一个单独的先前扫描中的点蓝点预拟合。再次这给了我们一个提示如果搜索发生在高级特征平面空间中一个单独的先前扫描就足以提供足够的点对平面匹配。总之我们做出以下贡献
我们建议通过LiDAR扫描之间的平面预拟合PPF来表示场景的基本骨架进行点匹配。我们证明了iPPF可以自然地缩小局部地图并消除大多数冗余的kNN搜索和平面拟合iikNN对噪声和非严格平面的不鲁棒性。在PPF中不是为每个点/扫描拟合平面而是利用IMU和LiDAR扫描的顺序性来实现增量平面更新迭代PCA使PPF比kNN更具有噪声和非严格平面的鲁棒性引入了一个简单而有效的夹层来排除错误的点对平面匹配。工程贡献包括完全开源的LIO-PPF。在5个开放数据集的22个序列上进行的实验表明与原始方法相比我们的PPF最多可以将本地地图大小减小64在残差计算方面实现4倍的加速最多实现1.92倍的总体FPS并仍然显示相同水平的精度。 图1. (a) 重建的场景。(b) 在快速旋转下(a)的两个连续扫描。© 跨越扫描的大面形成了场景的基本骨架并揭示了其整体几何结构。(d) kNN需要大型的局部地图否则大多数点无法找到邻居来拟合平面。而我们使用基本骨架来表示场景以进行点匹配。搜索区域扩大到平面级别不需要kNN搜索。 2. 符号和预备知识
在本文中我们将世界坐标系表示为WWWLiDAR坐标系表示为LLLIMU体坐标系表示为BBB。令PiP_iPi表示从扫描i接收到的去畸变的LiDAR点。一个3D平面可以由其法向量n∈R3n∈\mathbb{R}^3n∈R3和其中任意一点p∈R3p∈\mathbb{R}^3p∈R3来确定或者更简洁地通过一个4维向量f[nT,d]Tf[n^T,d]^Tf[nT,d]T来确定使得f⋅p~0f· \tilde{p}0f⋅p~0其中p~[pT,1]T\tilde{p}[p^T,1]^Tp~[pT,1]T。我们用变换矩阵T∈SE(3)T∈SE(3)T∈SE(3)来表示6自由度姿态其中包含旋转矩阵R∈SO(3)R∈SO(3)R∈SO(3)和平移向量t∈R3t∈\mathbb{R}^3t∈R3。 定理1fff经过TTT的变换为 证明设 p~\tilde{p}p~ 是 fff 上的任意一点且 p~′\tilde{p}^′p~′ 是其通过 TTT 变换后得到的对应点即p~′Tp~\tilde{p}^′ T \tilde{p}p~′Tp~。那么我们有 这意味着p~′\tilde{p}^′p~′在f′f^′f′上。
下面我们将会介绍本文高效平面预拟合方法。然后我们描述基于PPF的对应骨架跟踪算法。最后提出了一个三明治层以使算法在复杂场景中更加鲁棒。 图2. 预拟合平面和跟踪流程的概览。浅箭头 → 表示为准备下一个激光雷达扫描而进行的操作。 3. 增量iPCA平面预拟合最重要的部分如何对平面完成拟合
…详情请参照古月居
