Python实现激光SLAM轨迹匹配，SuMa地图在室外大场景SLAM中的应用原理？

本文共计1116个文字，预计阅读时间需要5分钟。

论文题目：基于高效Surfel的SLAM在3D激光测距数据下城市环境中的应用开源代码作者：任博前言：之前我

论文题目EfficientSurfel-BasedSLAMusing3DLaserRangeDatainUrbanEnvironments开源代码h

论文题目Efficient Surfel-Based SLAM using 3D Laser Range Data in Urban Environments

开源代码github.com/jbehley/SuMa

作者任乾

之前我们介绍过SuMa它是一个语义SLAM借助语义提高了匹配精度并移除了动态物体最终提高了点云地图的质量。而本文介绍的SuMa则为SuMa提供了基本的SLAM框架算是它的基础版它包含了很多细节方面的介绍和实现方法为了更好地理解这些方法我们有必要对这篇文章做个介绍。

既然有了增强版这里就只介绍原理了效果就不做过多介绍感兴趣的可以去论文中看

一、前传

这篇文章的核心就是使用Surfel地图去实现前端里程计和闭环检测因此理解这篇文章的核心就变成了理解Surfel地图。

Surfel地图并不是作者原创但是该作者第一次把它用在室外大场景三维SLAM中所以为了摸清Surfel的来龙去脉我们对它的历史做一个梳理。

Surfel地图最早是用在基于RGB-D相机的三维重建任务中的在Surfel出现之前基于RGB-D的三维重建以KinectFusion[1]为主后来受到[2]的启发ElasticFusion出现了这是Surfel地图第一次被完整表述。