Nov, 2023

城市自主驾驶的多激光雷达定位和建图流程

PDF
TL;DR利用 LiDAR 传感器，提出了一种基于传感器融合的离线地图构建和在线定位算法，可以实现高准确性的实时自主导航，并为自动驾驶应用提供了稳健而灵活的环境。
autonomous vehicleslocalizationmappinglidar sensorsros 2
发现论文，激发创造
  • 基于多传感器融合的多样城市场景下强健而精确的车辆定位

    该研究提出了一种鲁棒且精确的定位系统，能够通过多传感器融合，特别是利用 LiDAR 强度和高度提示来提高在城市、高速公路和隧道等环境中的准确性和鲁棒性，并在大型自动驾驶车队中得到验证。

    Nov, 2017

  • 使用 LiDAR 强度图学习定位

    本文提出了一种实现实时、不需要校准的自动驾驶汽车定位系统，该方法通过学习将在线 LiDAR 扫描和强度图嵌入到联合的深度嵌入空间中，并通过嵌入之间的有效卷积匹配来进行定位。在不同的 LiDAR 传感器和环境下，我们的系统能够以 15Hz 的实时速度实现厘米级别的精度。在超过 4000 公里的驾驶大数据集上，我们的实验表明了所提出方法的性能。

    Dec, 2020

  • 自主车辆的单目语义地图定位

    提出了一种新颖的轻量级视觉语义定位算法，通过稳定的语义特征代替低级纹理特征，结合离线构建的语义地图和在线的数据关联实现实时的自动驾驶定位。实验结果表明，该方法在各种自动驾驶定位任务中是可靠且实用的定位解决方案。

    Jun, 2024

  • 基于视觉的大规模 3D 语义地图构建在自动驾驶应用中的研究

    本文提出一种仅基于立体相机系统完成 3D 语义映射的完整流程，其中包括全局优化的直接稀疏视觉里程表前端和 GNSS 集成，以及语义 3D 点云标记的后端。作者提出了一种简单但有效的时间投票方案，提高了 3D 点标签的质量和一致性，并在 KITTI-360 数据集上进行了定性和定量评估，结果表明了提出的投票方案的有效性和流水线对于大规模高效 3D 语义映射的能力。另外，作者还展示了流水线的大规模映射能力，展示了由车队收集的数据生成的覆盖 8000 公里道路的大规模语义地图。

    Mar, 2022

  • 基于 RGB 和 LiDAR 融合的自动驾驶 3D 语义分割

    本文旨在研究基于传感器融合技术的三维语义分割，将 RGB 图像转化为 LiDAR 所使用的极坐标网格映射表示，并设计了早期和中期融合架构，同时提出了融合两种算法的混合融合结构。在 KITTI 数据集中评估了所提出算法的效果，并相对于仅使用 LiDAR 的基线模型，在两种最先进的算法 SqueezeSeg 和 PointSeg 上分别提高了 10% 的分割精度。

    Jun, 2019

  • SuMa++：高效 LiDAR 语义 SLAM

    本文提出了一种基于三维激光雷达测距扫描和神经网络对语义信息进行提取的建图及定位方法，实现了对运动物体的有效滤波和语义信息约束下的扫描匹配，与现有基于几何约束的方法相比，实验结果表明其性能更优。

    May, 2021

  • 自主移动机器人的 LiDAR 和广角相机数据的强健融合

    该论文介绍了使用 LiDAR 和摄像头进行传感器数据融合以实现自主机器人的自由空间检测，并通过高斯过程回归的分辨率匹配算法来更好地利用多模式传感器数据流以提高感知步骤的性能表现。

    Oct, 2017

  • MAD-ICP：数据匹配的关键 -- 稳健且信息丰富的 LiDAR 里程计

    该研究论文介绍了一种 LiDAR 里程计系统，能够在不同操作条件下正常运行，并实现与特定领域方法相当的性能。该系统使用基于 PCA 的 kd 树实现的 ICP 范式，用于提取待配准点云的结构信息并计算对齐的最小化度量。通过根据估计的姿态不确定性管理局部地图，将漂移控制在一定范围内。为了使研究社区受益，我们发布了一个开放源代码的 C++ 实现，可实时应用在任何时候。

    May, 2024

  • 基于网格的三维纹理城市建模

    在自动驾驶时代，本文介绍了一种基于图像和激光雷达数据的三维城市地图构建算法及其纹理映射实现的方法，并在 KITTI 数据集上进行了表现评估。

    Aug, 2017

  • 基于几何特征的紧耦合激光雷达 - 视觉 SLAM 移动代理方案

    本研究针对移动机器人在动态和复杂环境下自主导航和任务执行的困难，提出了一种基于 LiDAR 和单目视觉 SLAM 的紧耦合几何特征融合框架方法，是当前多模态方法中姿态估计更为精确和健壮的。

    Jul, 2023