开创SLAM新纪元：KernelGPA可变形后端，轻松解决配准难题！

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# #开源#RSS2022|KernelGPA: 一个可变形的SLAM后端

KernelGPA: A Deformable SLAM Back-end

作者单位：克莱蒙奥弗涅大学（法国）

开源代码：Bitbucket

文章链接：https://www.roboticsproceedings.org/rss18/p002.htm...  

 可变形环境下的实时定位与建图( SLAM )遇到了几个障碍。其中之一是缺少全局配准。因此，目前的SLAM系统严重依赖于基于模板的方法。本文提出了一种新的全局配准技术KernelGPA来弥补这一不足。本文使用kernel方法定义了非刚性变换，并表明地图的主轴可以以闭式全局求解，沿每个坐标轴的全局模糊度可达。本文提出在一个统一的优化框架中同时解决全局尺度模糊和刚性位姿问题，从而产生一个可以很容易地纳入传感器融合框架的成本。本文使用各种数据集展示了KernelGPA的配准性能，特别关注计算机断层扫描( CT )的配准。

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