西安交大提出替代点云的二次曲面表达，表达紧凑，低延迟和内存占用！

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# Quadric Representations for LiDAR Odometry, Mapping and Localization

论文地址：https://arxiv.org/abs/2304.14190

作者单位：西安交通大学  

目前的激光雷达里程计、建图和定位方法利用了3D场景的逐点表示，并在自动驾驶任务中实现了高精度。然而，使用逐点表示的方法空间效率低下，限制了它们在实际应用中的发展和使用。特别是，帧到子地图匹配和全局地图表示方法受到大体积点云最近邻搜索(NNS)效率低下的限制。为了提高时空效率，我们提出了一种使用二次曲面来描述场景的新方法，与传统的点云相比，二次曲面对3D对象的表示要紧凑得多。与基于点云的方法相比，基于二次表示的方法将三维场景分解为一组稀疏的二次曲面片，提高了存储效率，避免了缓慢的逐点NNS过程。我们的方法首先将给定的点云分割成多个面片，并将每个面片拟合到一个二次隐函数。然后，每个函数与该面片的其他几何描述符相耦合，例如其中心位置和协方差矩阵。

总而言之，这些面片表示完全描述了3D场景，可以用来代替原始的点云，并用于LiDAR里程计、建图和定位算法。我们进一步设计了一种新的二次曲面表示的增量生长方法，该方法消除了从原始点云中反复重新拟合二次曲面的需要。在Kitti和UrbanLoco数据集的大容量点云上进行的大量里程计、地图绘制和定位实验表明，我们的方法在保持低延迟和内存利用率的同时，获得了具有竞争力的甚至更高的精度。

本文贡献如下：

1、我们提出了一种基于二次曲面表示的场景近似表示方法，从三维场景的点云表示中提取曲面，并将其拟合到不同类型的二次曲面上。这些基于四边形的表示可以用来代替原始的点云，用于激光雷达里程计、建图和定位。我们的表示显著减少了全局地图存储所需的空间，提高了特征关联的时间效率，并且在帧-帧和帧到地图配准任务中使用时保持了当前的精度基准。

2、我们提出了一种二次表示的增量生长方法，它加速了子地图和地图的生成。这种方法允许二次曲面的逐步扩展，消除了从原始点云反复重新拟合二次曲面隐函数的计算代价高昂的任务。

3、通过在Kitti和UrbanLoco数据集上的实验，我们证明了我们的方法在效率上有显著的提高，并且在地图压缩、激光雷达里程计、地图绘制和定位任务中具有良好的性能。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容