點(diǎn)云PCL免費(fèi)知識(shí)星球，點(diǎn)云論文速讀。

文章：DLL: Direct LIDAR Localization. A map-based localization approach for aerial robots

作者：Fernando Caballero1 and Luis Merino

編譯：點(diǎn)云PCL

代碼：https://github.com/robotics-upo/dll

來源：DLL has been accepted for publication in IROS 2021.

歡迎各位加入免費(fèi)知識(shí)星球，獲取PDF論文，歡迎轉(zhuǎn)發(fā)朋友圈。文章僅做學(xué)術(shù)分享，如有侵權(quán)聯(lián)系刪文。未經(jīng)博主同意請(qǐng)勿擅自轉(zhuǎn)載。

論文閱讀模塊將分享點(diǎn)云處理，SLAM，三維視覺，高精地圖相關(guān)的文章。公眾號(hào)致力于理解三維視覺領(lǐng)域相關(guān)內(nèi)容的干貨分享，歡迎各位加入我，我們一起每天一篇文章閱讀，開啟分享之旅,有興趣的可聯(lián)系微信dianyunpcl@163.com。

摘要

本文介紹了一種基于三維激光雷達(dá)的快速直接地圖定位技術(shù)DLL，并將其應(yīng)用于航空機(jī)器人，DLL基于點(diǎn)云地圖的非線性優(yōu)化實(shí)現(xiàn)點(diǎn)云到地圖的配準(zhǔn)，因此不需要特征，也不需要點(diǎn)之間的對(duì)應(yīng)關(guān)系，給定一個(gè)初始姿態(tài)，該方法通過從里程計(jì)中提取預(yù)測(cè)的姿態(tài)來跟蹤機(jī)器人的位姿，通過使用真實(shí)數(shù)據(jù)集和仿真的基準(zhǔn)測(cè)試集，本文展示了該方法如何比蒙特卡羅定位方法表現(xiàn)得更好，并實(shí)現(xiàn)了與其他基于優(yōu)化的方法相當(dāng)?shù)木?#xff0c;但運(yùn)行速度快了一個(gè)數(shù)量級(jí)，該方法對(duì)里程計(jì)誤差也具有魯棒性，該方法已在Robot操作系統(tǒng)（ROS）下實(shí)現(xiàn)，并公開了代碼https://github.com/robotics-upo/dll。

主要內(nèi)容

使用點(diǎn)云進(jìn)行基于地圖的機(jī)器人定位的過程可以總結(jié)為：

?機(jī)器人里程計(jì)，這里提供了一個(gè)很好的先驗(yàn)信息，表明自上次定位機(jī)器人以來，機(jī)器人移動(dòng)了多少，該先驗(yàn)知識(shí)可用于在地圖中準(zhǔn)確猜測(cè)機(jī)器人的位置/方向，從而節(jié)省計(jì)算時(shí)間慣性測(cè)量單元（IMU），

?由于IMU價(jià)格便宜且準(zhǔn)確，安裝在所有智能手機(jī)上，在機(jī)器人上安裝IMU是很常見的，由于羅盤中的磁場(chǎng)干擾，偏航角會(huì)發(fā)生顯著畸變，而橫滾角和俯仰角是可觀察到的且準(zhǔn)確的，該信息可用于對(duì)激光雷達(dá)點(diǎn)云進(jìn)行傾斜補(bǔ)償，從而簡(jiǎn)化配準(zhǔn)過程。DLL提出了一種新的快速準(zhǔn)確的點(diǎn)云配準(zhǔn)方法，使慣導(dǎo)可以作為實(shí)際機(jī)器人安裝中的主要定位系統(tǒng)，DLL已經(jīng)在C++中實(shí)現(xiàn)并集成到ROS框架中，使用Ceres Solver來實(shí)現(xiàn)非線性優(yōu)化過程。

實(shí)驗(yàn)對(duì)比

總結(jié)

提出了一種基于三維激光雷達(dá)的直接地圖姿態(tài)跟蹤方法，該方法使用原始點(diǎn)云，避免搜索點(diǎn)的對(duì)應(yīng)關(guān)系，通過直接優(yōu)化點(diǎn)云到地圖的距離，使用地圖的距離場(chǎng)表示法，對(duì)里程計(jì)預(yù)測(cè)的姿勢(shì)進(jìn)行細(xì)化，結(jié)果表明，對(duì)于所考慮的場(chǎng)景，該方法如何達(dá)到與NDT和ICP等方法類似的精度，但運(yùn)行速度快一個(gè)數(shù)量級(jí)，可實(shí)時(shí)執(zhí)行，此外，在噪聲里程計(jì)的情況下，基于優(yōu)化的NDT和DLL方法比蒙特卡羅定位方法表現(xiàn)更好。

資源

三維點(diǎn)云論文及相關(guān)應(yīng)用分享

【點(diǎn)云論文速讀】基于激光雷達(dá)的里程計(jì)及3D點(diǎn)云地圖中的定位方法

3D目標(biāo)檢測(cè)：MV3D-Net

三維點(diǎn)云分割綜述（上）

3D-MiniNet: 從點(diǎn)云中學(xué)習(xí)2D表示以實(shí)現(xiàn)快速有效的3D LIDAR語(yǔ)義分割（2020）

win下使用QT添加VTK插件實(shí)現(xiàn)點(diǎn)云可視化GUI

JSNet：3D點(diǎn)云的聯(lián)合實(shí)例和語(yǔ)義分割

大場(chǎng)景三維點(diǎn)云的語(yǔ)義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規(guī)模點(diǎn)云的顯示

基于局部凹凸性進(jìn)行目標(biāo)分割

基于三維卷積神經(jīng)網(wǎng)絡(luò)的點(diǎn)云標(biāo)記

點(diǎn)云的超體素(SuperVoxel)

基于超點(diǎn)圖的大規(guī)模點(diǎn)云分割

更多文章可查看：點(diǎn)云學(xué)習(xí)歷史文章大匯總

SLAM及AR相關(guān)分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動(dòng)泊車系統(tǒng)中的語(yǔ)義SLAM

【點(diǎn)云論文速讀】StructSLAM:結(jié)構(gòu)化線特征SLAM

SLAM和AR綜述

常用的3D深度相機(jī)

AR設(shè)備單目視覺慣導(dǎo)SLAM算法綜述與評(píng)價(jià)

SLAM綜述(4)激光與視覺融合SLAM

Kimera實(shí)時(shí)重建的語(yǔ)義SLAM系統(tǒng)

SLAM綜述(3)-視覺與慣導(dǎo)，視覺與深度學(xué)習(xí)SLAM

易擴(kuò)展的SLAM框架-OpenVSLAM

高翔：非結(jié)構(gòu)化道路激光SLAM中的挑戰(zhàn)

SLAM綜述之Lidar SLAM

基于魚眼相機(jī)的SLAM方法介紹

掃描下方微信視頻號(hào)二維碼可查看最新研究成果及相關(guān)開源方案的演示：

如果你對(duì)本文感興趣，請(qǐng)點(diǎn)擊“原文閱讀”獲取知識(shí)星球二維碼，務(wù)必按照“姓名+學(xué)校/公司+研究方向”備注加入免費(fèi)知識(shí)星球，免費(fèi)下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內(nèi)容如有錯(cuò)誤請(qǐng)留言評(píng)論，歡迎指正交流。如有侵權(quán)，請(qǐng)聯(lián)系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關(guān)注我們

讓我們一起分享一起學(xué)習(xí)吧！期待有想法，樂于分享的小伙伴加入免費(fèi)星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點(diǎn)云，高精地圖，自動(dòng)駕駛，以及機(jī)器人等相關(guān)的領(lǐng)域。

分享及合作：群主微信“920177957”（需要按要求備注） 聯(lián)系郵箱：dianyunpcl@163.com，歡迎企業(yè)來聯(lián)系公眾號(hào)展開合作。

點(diǎn)一下“在看”你會(huì)更好看耶

總結(jié)

以上是生活随笔為你收集整理的DLL: 一种直接法的激光雷达定位方案的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。