21、视觉与 3D 激光雷达 SLAM 系统基准测试

视觉与 3D 激光雷达 SLAM 系统基准测试

1. 引言

在机器人领域，传统定位和建图方法存在严重失败的风险。因此，基于同时定位与地图构建（SLAM）概念的替代方案应运而生。SLAM 利用传感器输入估计机器人位姿，同时构建环境地图。目前已开发出多种 SLAM 系统，其选择取决于环境类型（室内或室外）、规模以及传感器成本等因素。不过，大多数已开发的解决方案主要针对室内或室外城市环境，农业应用中的 SLAM 仍是一个不断发展的领域，因为农业环境存在恶劣条件、外观季节性变化以及大片开阔田地中重复视觉特征等挑战。

本文主要贡献如下：
- 向公众发布一个开源的逼真葡萄园模拟器，提供不平坦地形和五种不同的植物生长阶段。
- 在具有重复结构和外观的环境中比较和基准测试 4 种 SLAM 系统，所选算法代表了最先进的视觉和 3D 激光雷达系统，包括 LIO - SAM、StaticMapping、ORB - SLAM2 和 RTAB - MAP。

2. 相关工作

目前针对葡萄园环境比较各种 SLAM 系统的研究较少，但有许多关于室内静态环境 SLAM 方法分析和比较的研究论文：
- 有研究在典型办公室室内环境中评估了不同基于 ROS 的 SLAM 算法生成的轨迹。移动机器人配备了 2D 激光扫描仪、单目和立体相机，使用性能最佳的 2D 激光雷达 SLAM 估计的轨迹作为视觉 SLAM 系统的地面真值。结果显示，RTAB 立体的均方根误差（RMSE）为 0.163 m，ORB - SLAM 单目的 RMSE 为 0.166 m。
- 还有研究使用精确激光跟踪器作为准确的地面真值，评估了三种最常见的 2D SLAM 算法（gmappi