激光雷达SLAM方法汇总 | 自动驾驶和移动机器人领域

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心技术交流群

后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM等多篇综述！

机动车里程计是自动驾驶系统的重要组成部分，它计算车辆的位置和方向。里程计模块在全球导航卫星系统（GNSS）信号较弱且有噪声的城市地区有较高的要求和影响。传统的视觉里程计方法在姿态估计过程中受到不同光照状态的影响，并且会产生差异，随着误差的积累，会导致显著的误差。使用（LiDAR）设备的里程计已引起越来越多的研究兴趣，因为LiDAR对光照变化具有鲁棒性。在本次综述中，调研了现有的Lidar里程计方法，并总结了pipelines。此外，现有的激光雷达里程计方法按其对应类型进行分类，并在每个步骤中跨类别和类别内分析其优缺点和相关性。最后在KITTI里程数据集上评估的这些方法的准确性和运行速度，并展望了未来的研究方向。

车辆里程计是自动驾驶系统中车辆定位模块的重要组成部分。与需要外部信号（如GNSS信号）的基于GNSS/INS的定位不同，车辆里程表利用本地传感器的读数来跟踪车辆的运动，以便在外部信号受阻或高噪声的情况下获得可靠的测量。例如，在城市峡谷、隧道和山谷中，由于多径误差，GNSS信号具有很高的噪声，而激光里程计模块不受影响。此外，里程计方法将车辆定位在三维，这有助于在多级道路上定位车辆，而二维GNSS/INS系统容易混淆。

传统上，车辆里程计算法[2]、[3]、[4]、[5]、[6]、[7]、[8]、[9]、[10]、[11]、[12]主要基于camera frames。然而，视觉里程表算法有几个缺点：（1） 性能受照明变化的影响，（2） 里程计是在与世界坐标系不一致的图像坐标中估计的。相反，Lidar设备[13]会主动发射激光束，以避免光照变化的影响，并直接在世界坐标系中测量距离，这使它们成为车辆里程计任务的理想选择。近几十年来，基于激光雷达的车辆里程计吸引了越来越多的研究兴趣，此任务中LiDAR帧在LiDAR坐标中被格式化为点云，每个点表示目标上的扫描点。因此，激光雷达帧被格式化为不同坐标下的点云，而激光雷达里程计的目标是估计连续激光雷达帧之间的变换。通过估计这些变换，可以使用坐标系之间的齐次变换获得任意激光雷达帧的姿态。

本文调查了激光雷达里程计领域的现有工作，还介绍了点云配准方面的现有工作，因为它们可以适用于LiDAR帧对之间的变换估计，这是LiDAR里程计中的关键步骤。

Lidar里程计的Pipelines

给定两个LiDAR帧P0和P1，以及它们在世界坐标系中的姿态X0和X1，两者之间的变换如下所示（包括旋转和平移矩阵）：

对X0~Xt帧数据，变换关系如下：

Pipeline

现有LiDAR里程计的pipelines可分为五个阶段：

• （1） 预处理

• （2）特征提取

• （3）对应搜索

• （4）变换估计和

• （5）后处理。

在预处理步骤中，将重新组织、分割和过滤LiDAR点云，以实现更好的特征提取和匹配。典型的预处理方法有3D-2D投影、语义分割、移动目标移除和地面移除。