罗马大学提出了一种基于面对面配准的平面激光雷达去畸变模块

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#开源代码#  Low Frequency Spinning LiDAR De-Skewing

论文地址：https://gitlab.com/users/sign_in

作者单位：罗马大学

开源代码：https://gitlab.com/users/sign_in

大多数商用的LiDAR通过沿以传感器原点为中心的方向顺序采样来测量环境的2D部分的距离。当传感器在采集过程中移动时，测量范围会受到一种称为“偏斜”的现象的影响，这种现象在采集的扫描中表现为失真。畸变可能会影响所有依赖激光雷达数据的系统，然而，如果每次测量一个范围时都知道传感器的位置，那么它可以得到补偿。大多数去畸变激光雷达的方法都是基于外部传感器，如IMU或车轮里程计，来估计这些中间的激光雷达位置。

在本文中，我们提出了一种完全依赖距离测量的方法来有效地估计机器人的速度，然后将其用于去畸变。我们的方法适用于低频激光雷达，那里的畸变比较明显。它可以无缝地集成到现有的方法中，以微不足道的计算成本提高其性能。我们通过不同运行条件下的统计实验验证了该方法的有效性。

在本文中，我们提出了一种方法来估计安装激光雷达的机器人移动的速度，我们的方法是基于一个非刚性平面到平面的配准算法，其中的速度通过最大化距离流的几何一致性来估计。我们对真实数据和合成数据进行了多次统计实验。结果表明，该方法可以有效地估计机器人的运动，提高SLAM和定位估计的质量，且计算量可以忽略不计。

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