(资料图片仅供参考)
以下内容来自小六的机器人SLAM学习圈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
#开源# #论文# arxiv|同济大学LOG-LIO：一种具有高效局部几何信息估计的激光雷达惯性里程计
【LOG-LIO: A LiDAR-Inertial Odometry with Efficient Local Geometric Information Estimation】
仓库链接：GitHub - tiev-tongji/LOG-LIO: A LiDAR-Inertial Odo...
工具包链接：GitHub - tiev-tongji/RingFalsNormal: A novel fast ...
文章链接：[] LOG-LIO: A LiDAR-Inertial Odometry wi...
局部几何信息，即法线和点分布，对基于LiDAR的同时定位与建图( SLAM )至关重要，因为它为数据关联提供了约束，进一步决定了优化的方向，并最终影响位姿的精度。然而，即使在KDtree或体素图的帮助下，估计正态分布和点分布也是很耗时的任务。为了实现快速的法向估计，我们研究了LiDAR扫描的结构信息，并提出了一种新的快速近似最小二乘( FALS )方法。利用预先计算的方位信息，估计法线只需要新扫描到达时点的距离信息。 为了有效地估计点的分布，我们扩展了ikd-tree来管理体素中的地图，并在保持其与法线的一致性的同时增量更新其点云分布。对于满足基于正态性的可见性和一致性检查的扫描点，我们考虑到点对面优先于点对面的分布，设计了一个鲁棒和准确的分层数据关联模式。我们在分布收敛后进一步固定体素，以平衡时间消耗和表示的正确性。在不同的公共数据集上的大量实验证明了我们的系统与其他先进方法相比的优势。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
