RadarSLAM: 全天候大场景雷达slam

RadarSLAM: 全天候大场景雷达slam

RadarSLAM: Radar based Large-Scale SLAM in ALL Weathers

项目主页：http://pro.hw.ac.uk/research/radarslam/

摘要

近年来，依靠各类传感器的slam已经得到了广泛使用。然而，slam算法在极端天气下的鲁棒性问题一直未得到解决。在本文中，作者提出了一种全天候，大场景下的激光slam框架。通过全新的特征匹配和概率点云地图实现了包括位姿估计、局部建图、回环检测以及位姿图优化一系列功能。作者在公开数据集和自己收集的数据集中进行了广泛的实验，结果表明了在各种恶劣天气条件下，如黑夜、浓雾和大雪等天气条件下。算法拥有良好的可靠性已经定位精度。

原理及主要创新点

文章的主要贡献主要有四点：

(1). 高效、可靠的特征点提取和匹配。

(2). 从雷达图像中生成概率点云可以显著降低斑点噪声。

(3). 可工作在恶劣天气条件下的图优化slam系统。

(4). 在大场景环境中进行了大量的实验，首次证明了算法可以工作在极端天气环境中(如浓雾和大雪)。

算法主体框架如下：

一. 特征点提取模块

作者使用FMCW(调频连续波雷达)作为主传感器，可以同时测量距离与速度，并生成雷达图像。通过SURF特征点提取算法进行关键点的提取。利用描述子构建关键点的匹配，并利用深度信息提取了两个改进以减小不正确的匹配。

(1). 引入运动估计(例如最大速度)来约束关键点在雷达局部坐标系的搜索半径。减少不正确的匹配次数同时也避免了穷举特征匹