【开源代码】激光雷达惯性里程计和建图，多LIDAR输入、多尺度，基于面元高效地图更新

以下内容来自从零开始机器人SLAM知识星球 每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

论文# #开源代码# SLICT: Multi-input Multi-scale Surfel-Based Lidar-Inertial Continuous-Time Odometry and Mapping

论文地址：https://arxiv.org/abs/2211.03900

作者单位：皇家理工学院

开源代码：GitHub - brytsknguyen/slict

虽然与全局地图的特征关联具有显着的优势，但为了防止计算量呈指数增长，大多数基于激光雷达的里程计和建图方法都选择将特征与一个体素比例的局部地图相关联。利用不同体素尺度的面元可以组织成树状结构，我们提出了一个基于八叉树的多尺度面元全局地图，可以增量更新。这减轻了重新计算的需要，例如重复计算整个地图的 k-d 树。该系统还可以从单个或多个传感器获取输入，从而增强退化情况下的鲁棒性。我们还提出了点对面（PTS）关联方案，对 PTS 和 IMU 预积分因子进行连续时间优化，以及闭环和BA，为 Lidar-Inertial 连续时间里程计和建图提供了完整的框架。与其他最先进的方法相比，对公共和内部数据集的实验证明了我们系统的优势。
本文贡献如下：
1、一个成熟的激光雷达惯性里程计和建图框架，具有前端里程计、闭环和全局位姿图优化，能够集成多个激光雷达输入​​。
2、多尺度点到面 (PTS) 关联策略和连续时间在滑动窗口上优化 PTS 和 IMU 预积分因子。
3、基于 UFOMap 框架的分层多尺度面元地图的实现，实现全局地图的增量更新和高效查询。
4、在公共和内部数据集上的广泛实验验证多尺度面元关联策略的结果和效果。

以下内容来自从零开始机器人SLAM知识星球 每日更新内容