【论文笔记】基于点云柱面投影图的平面特征提取SLAM：　Fast planar surface 3D SLAM using LIDAR 2017

最新推荐文章于 2024-04-16 14:37:37 发布

原创

最新推荐文章于 2024-04-16 14:37:37 发布 · 1.4k 阅读

11 ·

CC 4.0 BY-SA版权

论文提出一种使用平面表面段的实时SLAM系统，通过点云在三个平面上的无直线畸变投影进行2.5D分割，采用现有方法提取平面特征并用高斯不确定性模型表示。系统包括点云分割、特征表达和全局地图构建，减少了重复观测导致的地图冗余，提高了位姿估计效率。

论文首先将三维点云投影在了三个平面上得到无直线畸变的投影视图，然后利用《Fast segmentation of range imagery into planar regions》中的方法对投影图进行分割得到连通的近似平面子集，使用《Place recognition based on matching of planar surfaces and line segments》中的方法对场景中的平面特征进行表示（高斯不确定性模型），实现了对场景中平面特征的高校提取、表达与匹配。

本文提出了可以在大场景下实时运行的SLAM系统，其使用平面表面段（planar surface segments）来表示环境，因为它们在室内和室外城市空间中都很普遍。

本文的三个创新点：

使用了现有的方法（原本是设计用于RGBD数据），在全景视图上对点云进行分割：将点云划分为三个双通道的全景图上，基于Delaunay三角剖分以及区域合并，实现点云的2.5D快速分割。

《Fast pose tracking based on ranked 3D planar patch correspondences》
利用现有的基于平面分割匹配的相对位姿估计模型（《Place recognition based on matching of planar surfaces and line segments》）在点云全景图上进行操作，极大地减少了位姿约束计算中outlier的数目，提高了处理速度。
本文提出了一个基于平面分割段的全局地图构建方法，减少了地图表达时需要的平面表面分割段的数目。其减少的原因在于，不同时间获得的场景观测会有重叠部分。这些重叠部分在全局地图中不会形成新的平面分割段。

论文方法

一、局部地图构建

局部地图包含了从点云中提取的planar surface segment（表平面分割段）。
局部图用于创建全局地图，并用于计算相对位姿，其可作为SLAM姿态图中的姿态约束。

1.1 特征提取：Detection of planar surface segments

点云投影
特征提取过程基于三角化（2D Delaunay triangulation），因此需要对点云进行合适的2D平面投影。然而，点云的柱面全景投影视图中，三维空
间中的直线会发生畸变变成曲线。因此，通过Delaunay三角剖分法获得的三角形应用于这种投影实际上并不表示三角表面。
作者的方法是将点云分别投影在三个平面上,得到三个双通道的柱面投影图：
在这里插入图片描述
这样每个点云经过投影后会有三个图像坐标(ui,vi),i=1,2,3：
$\begin{array}{l} x_{i}=-s_{n}(i) Z+c_{n}(i) X \\ y_{i}=Y \\ z_{i}=c_{n}(i) Z+s_{n}(i) X \\ u_{i}=f_{u} \frac{x_{i}}{z_{i}}+u_{c} \\ v_{i}=f_{v} \frac{y_{i}}{z_{i}}+v_{c} \end{array}$