廖瑞杰^1,2,杨绍发¹,孟文霞^2,3,董春梅^1,2

¹(计算机科学国家重点实验室(中国科学院软件研究所) 北京 100190); ²(中国科学院大学 北京 100190); ³(中国科学院软件研究所 北京 100190) (liaorj@ios.ac.cn)

出版日期: 2019-02-01


基金资助:国家“九七三”重点基础研究发展计划基金项目(2014CB340700)

SegGraph: An Algorithm for Loop-Closure Detection in Outdoor Scenes Using 3D Point Clouds

Liao Ruijie^1,2, Yang Shaofa¹, Meng Wenxia^2,3, Dong Chunmei^1,2

¹(State Key Laboratory of Computer Science (Institute of Software, Chinese Academy of Sciences), Beijing 100190); ²(University of Chinese Academy of Sciences, Beijing 100190); ³(Institute of Software, Chinese Academy of Sciences, Beijing 100190)

Online: 2019-02-01

摘要/Abstract

摘要： 提出适用于配有三维激光雷达的自主移动机器人在室外场景进行同时定位与地图创建(simul-taneous localization and mapping, SLAM)的一种闭环检测算法，命名为SegGraph.作为SLAM的关键模块，闭环检测的任务是判断机器人当前位置是否与已到过的某一位置邻近.SegGraph包含3步：1)对在不同时刻得到的2组点云分别移除大地平面后采用区域增长方法分割为若干个点云簇；2)以点云簇为顶点，以点云簇图心间距离为边权值，分别构建带权值的完全图；3)判定所得的2个完全图是否含有足够大的公共子图.SegGraph的主要创新点是在寻找公共子图时以边权值(即点云簇间距离)为主要匹配依据.这是因为点云数据中的噪声会导致在邻近地点获得的不同点云经分割后得出差别很大的点云簇集，不同点云中相应的点云簇也便无法匹配.然而相应点云簇间距离却受分割过程影响不大.主要贡献包括研发高效的判定2个点云簇图是否有足够大的公共子图的近似算法，实现完整的SegGraph算法，及以被广泛使用的公开数据集KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)评估SegGraph的准确度及运行效率.实验结果显示SegGraph具有良好的准确度及运行效率.

参考文献

相关文章 2

[1]	蔡云飞 唐振民 赵春霞. 一种改进的多机器人协作实时FastSLAM算法[J]. , 2012, 49(4): 763-769.
[2]	郭剑辉 赵春霞. 一种新的粒子滤波SLAM算法[J]. , 2008, 45(5): 853-860.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3868