Intensity-SLAM: Intensity Assisted Localization and Mapping for Large Scale Environment

IEEE ROBOTICS AND AUTOMATION LETTERS-2021 开源

零碎知识点

1.同时利用lidar的几何和强度信息进行slam，强度信息贯穿在前端里程计部分和后端优化部分。

2.强度信息对于鲁棒的回环检测非常有用；

3.文章首先分析了强度测量的物理模型，然后在里程计部分将强度代价引入了几何代价中，最后将基于强度的回环检测和后端优化结合起来一块优化。

4.建立强度图展示强度分布；

5.ICP方法对噪声很敏感，在自动驾驶中的噪声（路旁的树木的测量值）会很明显，进而导致定位漂移；

6.在DeepICP中，基于端到端学习的3D点云配准寻找机器人的位姿，强度通道和几何通道被引入深度特征提取（DFE）层以找到关键点。不是搜索最近的点，而是使用对应点生成 (CPG) 层根据一组候选者之间的学习匹配概率生成关键点对应关系，这使得反向传播成为可能。

7.“Intensity-assisted ICP for fast registration of 2D-LIDAR”提出用于2D-LIDAR快速配准的强度辅助的ICP，引入目标函数，根据空间距离和强度残差确定初始刚体变换估计，使得算法可以在单核CPU上实时运行。

8.“Towards intensity-augmented slam with LiDAR and ToF sensors”将强度模型纳入稀疏束调整（SBA）估计问题，分析了强度测量的物理模型，提出了一种增强3D定位、强度和表面法线的新测量模型。在较少的地标点下实现了相同的精度。

本文方法

 1.强度校准

激光雷达发射激光束后可以测量到耗费时间以及反射信号的能量，所以可以利用强度信息。

强度值由接收到的激光束能量与发射的激光束能量之间的比率确定，接收功率的物理原理可以确定为：

 强度测量