网站建设seo优化浙江,网站名称怎么收录,网站优化软件排名器,连云港网站建设wang目录 1.摘要和引言#xff1a;
2. 系统框架#xff1a;
2.1 前端#xff1a;
2.2 回环检测#xff1a;
2.3 后端#xff1a;
3.实验和分析#xff1a;
4.结论 1.摘要和引言#xff1a;
这篇论文介绍了一种名为“4DRadarSLAM”的新型4D成像雷达SLAM系统#xff0…
目录 1.摘要和引言
2. 系统框架
2.1 前端
2.2 回环检测
2.3 后端
3.实验和分析
4.结论 1.摘要和引言
这篇论文介绍了一种名为“4DRadarSLAM”的新型4D成像雷达SLAM系统旨在提高大规模环境下的定位与地图构建性能。与传统的基于激光雷达的SLAM系统相比该系统在恶劣天气条件下表现更佳。它包括前端、回环检测和后端三个主要部分前端通过扫描匹配计算里程计数据回环检测模块识别回环后端则构建并优化姿态图。该系统的显著特点是考虑了每个点的概率分布从而改善性能。论文中还展示了在不同平台和数据集上的实验结果证明了该系统的准确性、鲁棒性和实时性。此外为了进一步促进相关研究研究者将系统代码开源。https://github.com/zhuge2333/4DRadarSLAM
引言部分介绍了同步定位与地图构建SLAM的重要性并指出在恶劣天气条件下基于激光雷达的SLAM系统可能会受到限制。因此近年来越来越多的关注转向了稳健的毫米波雷达测距mmWave Radar。然而大多数研究集中在2D或3D雷达上而关于4D雷达x, y, z, 多普勒的研究相对较少。4D雷达是一种相对较新的技术其收集的点云比3D激光雷达更嘈杂和稀疏这使得从4D雷达的点云中提取有效的几何特征更具挑战性。因此直接将3D激光雷达SLAM方法应用于4D雷达SLAM并不可行。论文提出了一个针对4D成像雷达的完整SLAM系统包括前端、回环检测和后端。 2. 系统框架 4DRadarSLAM系统分三个主要模块前端、回环检测和后端。在前端模块中使用4D雷达点云作为输入估计里程计数据并生成关键帧。回环检测模块评估每个新的关键帧以确定是否能形成回环。在后端构建并使用g2o优化姿态图从而生成优化后的姿态作为输出。整个系统旨在通过这些模块协同工作提高SLAM系统在大规模环境中的性能和准确性。
2.1 前端
预处理阶段需要过滤掉动态物体。可以利用雷达的多普勒速度信息来识别这些物体。在这项研究中作者使用一种在文献[33]中提出的线性最小二乘法来估计雷达的自我速度。通过估计的多普勒速度和自我速度他们能够确定物体的真实速度。这一过程有助于提高SLAM系统对环境的理解和处理能力尤其是在动态和复杂的场景中。 Scan-to-Scan matching: 输入是上一关键帧Fk和新的一帧Pt。目标是找到从t到k的转换矩阵Ttk。由于4D雷达点云的噪声较大直接提取几何特征如边缘和平面并不容易。我们发现与 ICP 和 NDT 相比GICP 算法可以输出更可接受的结果。初始转换矩阵设置为上一次的转换矩阵Ttk-1。提出了一种新的算法称为自适应概率分布-GICPAPDGICP它在 GICP 算法中考虑了每个点的空间概率分布。根据雷达手册点的测距不确定性为 σr 0.00215r其中 r 和 σr 分别是测量的距离和不确定性。方位角和仰角精度分别为 0.5° 和 1.0°这导致了球坐标系中方位角和仰角方向的不确定性近似为 σa ≈ sin(0.5°)r 和 σe ≈ sin(1.0°)r。由此产生的概率分布如下图所示类似于一个椭球体橙色一个轴指向原点三个半轴长度分别为 σr距离、σa方位角和 σe仰角。 关键帧选择第一帧被指定为固定关键帧而后续关键帧的确定取决于是否满足以下两个条件之一1. 当前帧和上一关键帧之间的平移量超过阈值 δt 2. 当前帧和上一关键帧之间的旋转量超过阈值 δr。阈值参数根据经验设置如下δt 0.5m 或 2mδr 15°。第 k 个和第 k1 个关键帧之间的扫描到扫描匹配结果作为 SE(3) 二元边添加到位姿图中。
2.2 回环检测
此步骤的目的是确定每个关键帧是否构成了一个回环。首先通过预过滤步骤基于四个规则识别潜在的环路包括距离限制、空间接近性、高度差限制和姿态角限制。接着利用强度扫描上下文模块来进一步筛选潜在的闭环候选。最后为确保几何一致性采用里程计检查步骤以防止后端姿态图优化中的几何不一致问题。通过这些步骤系统能有效识别并确认回环从而增强SLAM系统的精度和可靠性。
2.3 后端
基于前端里程计、闭环检测和GPS信号如果可用构建姿态图。关键帧在姿态图中表示为节点节点之间的边代表里程计约束。当确定闭环时将其作为约束二元边添加。如果有GPS信号也可以将其作为单元边加入姿态图中其协方差直接从GPS数据获得。最后使用g2o库优化姿态图得出优化的姿态。
3.实验和分析
这里包括了对系统的前端和后端性能的定量分析以及使用五个不同数据集的实验结果。实验显示在小规模数据集上APDGICP自适应概率分布GICP在前端性能上优于GICP而在大规模数据集上GICP表现更好。准确的环路闭合显著提高了精度尤其是在后端优化时。此外使用GPS数据的后端优化进一步提高了系统的性能。文章还包括了对这些方法在不同数据集上轨迹的可视化比较以及各个算法步骤的效率分析。 4.结论
在这篇论文中为4D成像雷达引入了一个完整的SLAM系统该系统由三个模块组成前端、回环检测和后端。在前端估计了雷达自身速度以去除动态物体并提出了APDGICP算法该算法考虑了原始GICP中每个点的概率分布用于扫描到扫描匹配。在回环检测中引入了几种回环过滤方法并使用强度扫描上下文来查找回环候选。实现了一个里程计检查模块以确定最佳回环。在后端基于前端里程计、检测到的回环和GPS数据构建位姿图。使用自己收集的数据集进行了大量实验这些数据集涵盖了各种环境和速度包括结构化和非结构化、小规模和大规模环境、低速和中速。我们提出的系统在笔记本电脑上实现了实时性能相对误差RE为2.05%、0.0052deg/m绝对轨迹误差ATE为2.35m。未来的工作包括融合4D雷达和IMU以实现更鲁棒的SLAM。
