3D激光雷达SLAM算法综述

无人平台在大范围环境中实现自主定位与导航的能力需求日益严苛,其中基于激光雷达的同步定位和绘图技术(SLAM)是主流的研究方案。在这项工作中,本文系统概述了3D激光雷达SLAM算法框架和关键模块,分析阐述了近年来的研究热点问题和未来发展趋势,梳理了3D激光雷达SLAM算法性能的评估标准,并据此选取目前较为成熟的具有代表性的6种开源3D激光雷达SLAM算法在机器人操作系统(ROS)中进行了测试评估,基于KITTI基准数据集,从KITTI官方精度标准、SLAM算法精度指标、算法耗时和处理帧率3方面进行了横向比较,结果表明,所选6种算法中LIO-SAM算法性能综合表现突出,其在00序列数据集的测试中,绝对轨迹误差(ATE)和相对位姿误差(RPE)的RMSE数据分别为1.303和0.028,算法处理的帧率(fps)为28.6,最后依据CiteSpace分析讨论了3D激光雷达SLAM技术的应用趋势。

基于3D激光雷达的水面目标检测算法研究

3D激光雷达是水面无人艇(USV)的关键感知模块,水域杂波的干扰会降低模块的目标检测能效,影响自主导航避障功能。提出一种基于3D激光雷达的水面目标DBSCAN-VoxelNet联合检测算法。该算法采用具有噪声的密度聚类方法(DBSCAN)滤除水面杂波干扰;基于VoxelNet深度神经网络将水面稀疏点云数据划分为体素形式,并将结果输入哈希表进行高效查询;经特征学习层提取特征张量,并将张量输入卷积层获取全局目标信息,实现高精度目标检测。实验结果表明,所提联合检测算法对水域杂波有较好的抑制性能,平均精度均值(mAP)为82.4%,有效提高了对水面目标的检测精度。