香港科技大学提出鲁棒的先验辅助轨迹生成方法基准！

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# PALoc: Robust Prior-assisted Trajectory Generation for Benchmarking

论文地址：https://arxiv.org/pdf/2305.13147.pdf

作者单位：香港科技大学

 评估同时定位和建图(SLAM)算法需要高精度和稠密的地面真值(GT)轨迹。但是，如果没有GT跟踪传感器，获得理想的GT轨迹有时是具有挑战性的。作为替代方案，在本文中，我们提出了一种新的先验辅助SLAM系统，在因子图的框架下，以10Hz左右的速度生成完整的六自由度(6-DOF)轨迹，用于基准测试。我们的退化感知地图因子利用先前的点云图和LiDAR帧进行点到平面优化，同时检测退化情况以减少漂移并增强姿态估计的一致性。我们的系统通过松散耦合方案与先进的里程计无缝集成，以生成高速率和精确的轨迹。此外，我们提出了固定情况下的规范约束重力因子，优化姿势和重力以提高性能。广泛的评估表明，在不同的场景下，我们的算法在精度、平滑性和鲁棒性方面优于现有的SLAM或基于地图的方法。我们的方法大大推进了可靠和准确的SLAM评估方法，促进了机器人研究的进展。

 我们的贡献如下:

1、我们开发了一个先验辅助定位系统，将先验地图与本地传感器测量相结合，在不需要专门的GT跟踪传感器的情况下，促进6自由度稠密位姿的生成。 2、我们提出了一个退化感知映射因子，通过考虑特征值和特征向量的耦合以及连续姿态估计的平移约束强度来解决常见的退化情况。 3、我们引入了一个专门为零速度更新(ZUPT)场景量身定制的规范约束重力因子，同时优化姿态和重力。

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