最近出现的几篇视觉和激光雷达SLAM论文介绍

来源 |知乎@黄浴 知乎@知乎

介绍最近半年的一些SLAM论文，包括视觉和激光雷达，有传统方法，也有深度学习方法。

1 “LT-mapper: A Modular Framework for LiDAR-based Lifelong Mapping“，arXiv July，2021

是韩国KAIST Department of Civil and Environmental Engineering 发表。

长期的3D地图管理是机器人在非静止现实世界中可靠导航所需的基本能力。本文为城市区域开发了开源、模块化和现成的基于激光雷达的 持久地图（lifelong map），称为 LT-Mapper（LiDAR-based lifelong mapping）。它将问题划分为序贯子问题：多节SLAM（multi-session SLAM，MSS）、高/低动态变化检测和正/负变化管理。该方法利用MSS，处理潜在的轨迹误差；因此，变化检测不需要良好的初始校准。这个变化管理方案在内存和计算成本方面保持有效性，提供了大规模点云地图自动分离目标的功能。通过对多个时间间隔（从一天到一年）的大量实际实验，验证了该框架的可靠性和适用性。

代码在 github.com/gisbi-kim/lt

• 通过锚节点（anchor node）弹性地处理各节，而子模块 LT- SLAM可用 LiDAR 在共享帧中拼接多节。

• 子模块 LT-removert克服了各节之间对齐的多义性，沿空域轴和时域轴调用 remove-then-revert 算法。

• 子模块 LT-map可以有效地生成最新地图（实时地图）和持久地图（元地图），同时变化存为增量地图（delta map）。通过增量地图，恢复和变化检测操作在内存和计算上成本高效。

• 上述模块打包在单个框架中，其中包含现成的基于控制台命令。此外，提供多个时间间隔（每天）的真实世界实验。

通过锚节点（anchor node）弹性地处理各节，而子模块 LT- SLAM可用 LiDAR 在共享帧中拼接多节。

子模块 LT-removert克服了各节之间对齐的多义性，沿空域轴和时域轴调用 remove-then-revert 算法。

子模块 LT-map可以有效地生成最新地图（实时地图）和持久地图（元地图），同时变化存为增量地图（delta map）。通过增量地图，恢复和变化检测操作在内存和计算上成本高效。

上述模块打包在单个框架中，其中包含现成的基于控制台命令。此外，提供多个时间间隔（每天）的真实世界实验。

模块流水线如图所示：