Mingkai Jia, Qingwen Zhang, Bowen Yang, Jin Wu, Ming Liu...
TL;DR利用 BeautyMap 来高效地去除动态点,并保留静态特征以得到高保真度的全局地图。
Abstract
global point clouds that correctly represent the static environment features
can facilitate accurate localization and robust path planning. However, dynamic
objects introduce undesired ghost tracks that are mixed
在本研究中,提出了一种新颖的方法,用于在自我中心多机器人探索的背景下合并 3D 点云地图。与传统方法不同,该方法利用先进的地点识别和学习描述符来高效地检测地图之间的重叠,消除了耗时的全局特征提取和特征匹配过程。估计的重叠区域用于计算同一刚体变换,作为 GICP 点云配准算法的初始条件,进一步改善地图之间的对齐。该方法的优势包括更快的处理时间、提高的准确性和对挑战环境的增强鲁棒性。此外,通过多个机器人在各种不同地下环境中的实地任务成功证明了该框架的有效性。