【自动驾驶专栏论文速递】激光雷达里程计、建图和定位的二次表示

摘要

本文介绍了激光雷达里程计、建图和定位的二次表示。当前激光雷达里程计、建图和定位方法利用了3D场景的point-wise表示，并且在自动驾驶任务中实现了高精度。然而，使用point-wise表示的方法的低空间效率限制了它们在实际应用中的开发和使用。特别地，扫描-子地图匹配和全局地图表示方法受到大容积点云最近邻搜索（NNS）效率低下的限制。为了提高空间-时间效率，本文提出一种新型的方法，其使用二次表面描述场景，这是远比传统点云更为紧凑的3D物体表示方法。与基于点云的方法相比，本文基于二次表示的方法将3D场景分解为稀疏的二次曲面面片集合，这提高了存储效率，并且避免了缓慢的point-wise最近邻搜索过程。本文方法首先将给定点云分割成面片，并且使用二次隐式函数拟合每个面片。然后将每个函数与面片的其它几何描述符相结合，例如其中心位置和协方差矩阵。总体而言，这些面片表示完整地描述了一个3D场景，其可以用于代替原始点云，并且应用于激光雷达里程计、建图和定位算法。我们进一步设计一种新型的用于二次表示的增量式增长方法，该方法消除了从原始点云中不断地重新拟合二次表面的需要。在KITTI和UrbanLoco数据集中对大容积点云进行大量里程计、建图和定位实验，结果表明，本文方法维持了低延迟和内存利用率，同时实现了有竞争力甚至更优的精度。

主要贡献

本文的主要贡献如下：

1）本文提出一种基于二次表示的方法，该方法近似地表示场景，其中来自3D场景点云表示的表面被提取并拟合成不同类型的二次曲面。这些基于二次的表示可以代替原始的点云，用于激光雷达里程计、建图和定位。本文的表示显著地减少了全局地图存储所需要的空间，提高了特征关联的时间效率，并且在进行扫描-扫描和扫描-地图配准任务时维持了当前的精度基准；

2）本文提出一种二次表示的增量式增长方法，它加速了子地图和地图生成。该方法允许二次曲面逐步扩展，消除了从原始点云中不断重新拟合二次曲面隐式函数这一计算成本高昂任务的需求；

3）通过KITTI和Urban-Loco数据集上的实验，结果表明，本文方法在效率上有了显著的提高，并且在地图压缩、激光雷达里程计、建图和定位任务上具有良好的性能。

论文图片和表格

总结

本文提出一种基于二次表示的方法，用于激光雷达里程计、建图和定位任务。在本方法中，从3D场景中提取面片，然后拟合成不同类型的二次曲面，在此之后利用点到二次曲面的表示配准进行激光雷达位姿估计。本文还提出一种新型的增量式增长方法用于二次表示，其消除了重新拟合二次曲面这一耗时过程。在KITTI和UrbanLoco数据集上的实验表明，本文的基于二次表示的方法比point-wise方法具有明显更高的时间效率（例如，3.05xLOAM建图总延时），同时在里程计任务上实现更优的精度和在建图任务上实现具有竞争力的精度（例如，1.64xLOAM里程计ATE）。此外，通过基于GeoHash方法编码的二次表示可以被保存用于以后的定位任务，以避免NNS的重复迭代，这是大规模场景定位中最耗时的模块。

文章转载自公众号：自动驾驶专栏