21、激光雷达场景理解与SLAM算法室内性能分析

激光雷达场景理解与SLAM算法室内性能分析

1. 激光雷达场景理解

激光雷达在场景理解中发挥着重要作用。通过激光雷达获取的点云数据可以构建占用网格地图，用于机器人的导航任务。

• 方法概述 ：提出了一种基于多激光雷达和里程计的感知框架，该框架利用基于梯度的方法分离障碍物和地面点，同时使用几何关系校正负障碍物的位置。为了弥补设置中可能存在的盲点问题，还提出了一种存储算法，在机器人在环境中移动时覆盖这些盲点。
• 实验验证 ：选择了大学校园和公路隧道两个不同的地点进行测试，结果表明该方法在自然或人造环境中都具有有效性。

2. SLAM算法在现代室内环境中的失效原因

同时定位与地图构建（SLAM）算法对于移动机器人的自主导航至关重要。然而，在现实室内环境中，这些算法往往会遇到各种挑战，导致性能下降甚至失效。

• 挑战因素 ：在现实世界中，SLAM算法面临着诸多挑战，如光照变化、几何特征缺失区域、有限的传感器范围等。这些因素常常导致算法无法准确一致地估计机器人的位置和环境结构。例如，玻璃墙的反射会使激光束返回不准确的测量值，不同的光照条件、不可预测的障碍物以及里程计误差等也会影响算法的性能。
• 相关研究进展 ：大多数SLAM算法基于视觉（单目、立体或RGBD相机）或激光雷达（2D或3D）。传统的SLAM算法，如基于卡尔曼滤波器、粒子滤波器和图优化的方法，在具有挑战性的环境中往往表现不佳，因为它们依赖于准确的传感器数据和对