以下内容来自从零开始机器人SLAM知识星球 每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
#论文# BoW3D: Bag of Words for Real-time Loop Closing in 3D LiDAR SLAM
论文地址：https://arxiv.org/abs/2208.07473
作者单位：中国沈阳自动化研究所
回环检测是自主移动系统的同时定位与建图的基本部分。在视觉 AMR 领域，词袋 (BoW) 在循环闭包方面取得了巨大成功。用于回环检测的 BoW 特征也可以用于后续的 6-DoF 回环校正。然而，对于 3D ELMo Moses，最先进的方法可能无法实时有效地识别回环，并且通常无法纠正完整的 6-DoF 回环位姿。为了解决这个限制，我们提出了一种新颖的词袋，用于在 3D ELMo Moses 中实时检测回环，称为 BoW3D。我们方法的新颖之处在于它不仅可以有效地识别重新访问的回环位置，而且可以实时纠正完整的 6-DoF回环位姿。BoW3D 基于 3D 特征 LinK3D 构建词袋，有效、位姿不变，可用于准确的点到点匹配。我们进一步将我们提出的方法嵌入到 3D ELMo 测量系统中，以评估循环关闭性能。我们在公共数据集上测试我们的方法，并将其与其他最先进的算法进行比较。在大多数具有卓越实时性能的场景中，BoW3D 在 F1 max 和扩展精度分数方面表现出更好的性能。值得注意的是，当在配备 Intel Core i7 @2.2 GHz 处理器的笔记本上执行时，BoW3D 平均需要 50 毫秒来识别和纠正 KITTI 00 中的回环。
本文贡献如下：
1、提出了一种基于具有 3D 特征的词袋的完整回环检测系统。它构建了 LinK3D 特征的数据库，并可以有效地实时识别重新访问的位置。
2、所提出的方法也可用于根据 LinK3D 的匹配结果实时纠正完整的6-DoF回环位姿，使我们的方法能够与在线操作中的后续回环优化过程一起使用。
3、所提出的方法已嵌入到最先进的雷达里程计系统中。实验结果表明，我们的方法可以显着消除漂移并提高 3D 雷达SLAM系统的准确性。
以下内容来自从零开始机器人SLAM知识星球 每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
