基于LiDAR里程计和先验地图的定位方法

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者：robot L | 来源：知乎

https://zhuanlan.zhihu.com/p/157445108

本文仅做学术分享，如有侵权，请联系删除。

本文介绍一种LiDAR里程计和基于先验地图的定位方法。代码已开源：https://github.com/RozDavid/LOL。参考文献如下：

D. Rozenberszki, A. L. Majdik. LOL: LiDAR-Only Odometry and Localization in 3D Point Cloud Maps. IEEE International Conference on Robotics and Automation, 2020.

1. 主要内容

组合SOTA激光里程计算法LOAM和基于分割的场景识别算法SegMap，完成基于先验地图的定位任务。此外，作者在场景识别后加入了后处理步骤以去除一些虚假重定位。

2. 研究背景

LOAM[1]是KITTI数据集[2]中漂移最小的Odometry方法，但是它估计的运动轨迹在大场景中仍然会与真值产生较大的偏差。为了修正里程计的偏差，本文应用场景识别算法在先验离线3D点云地图中检测与当前帧几何相似的位置，进而得到当前帧与相似位置之间的相对位姿估计。最后，通过全局位姿图优化修正里程计的漂移。

3. 方法

方法的流程如图1所示。系统输入是实时的激光点云和先验点云地图。首先，我们对于新来到的激光点云，通过点云配准，激光里程计，激光建图以及位姿融合，得到当前帧的位姿估计。另一方面，对新来到的点云进行分割和描述，并在点云地图中寻找相似的分割描述，从而得到匹配的若干分割对，然后对这些分割对进行几何验证。通过验证的分割对进行ICP精修，得到当前帧在先验地图中的全局位姿。里程计位姿和全局位姿都加入位姿图中，进行增量优化。

图1. 激光里程计和定位算法的流程图，蓝色是LOAM的部分，黄色是SegMap的部分，绿色是作者添加的后处理部分。

4. 实验验证

本文提出的方法在KITTI数据集上进行了验证。与LOAM的对比结果如图2所示。上图中红绿色点云是LOAM的建图结果，黑色是先验点云地图。下图中红色和绿色分别为LOAM和本文提出方法的运动轨迹，黑色是先验点云地图。可以看出，本文提出的方法修正了LOAM的漂移。

图2. 本文方法与LOAM的实验对比。

5. 总结

A. 核心思想

组合里程计和重定位完成基于先验地图的定位任务。

B. 优缺点

优点是使用基于场景识别方法而不是欧式距离的重定位方法。

缺点1是在前端使用里程计而不是直接和先验地图匹配完成定位功能。后者的漂移比前者小很多，由于加入了先验知识。

缺点2，本文声称自己的方法是实时的，但是没有给出每个模块的具体时间评测结果。有兴趣的小伙伴可以自己跑一跑代码。

C. 展望

基于深度学习的激光点云场景识别方法会越来越多地出现，并且在今后的激光SLAM/定位方法研究中，基于场景识别的回环检测/重定位方法会占据主流。因为该方法与到回环的空间距离无关，并且有的场景识别方法具有视角不变性，甚至和原来的行驶方向相反时，也能检测到回环。

推荐阅读：

专辑|相机标定
专辑|3D点云
专辑|SLAM
专辑|深度学习与自动驾驶
专辑|结构光
专辑|事件相机
专辑|OpenCV学习
专辑|学习资源汇总
专辑|招聘与项目对接
专辑|读书笔记

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近1000+星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题