-
题名基于在线动态分割的FAST-LIO2算法及其应用
- 1
-
-
作者
杨志浩
万志波
-
机构
青岛大学计算机科学技术学院
-
出处
《计算机应用文摘》
2024年第7期82-86,89,共6页
-
文摘
针对高度动态和复杂车间环境下移动机器人SLAM技术面临的挑战,文章提出了一种创新方法,即在FAST-LIO2算法的数据预处理阶段融入在线动态物体分割技术。通过实时识别和分割场景中的动态物体,该方法有效滤除了激光雷达点云数据中的动态噪声,显著提升了系统鲁棒性,解决了动态场景下定位失败的问题。在相对精度不变的情况下,通过下采样及动态点云剔除使运行内存平均节省62.3%,将建图最终得到的点云大小压缩为原点云的71.87%,在稀疏点云条件下实现了高鲁棒性定位建图。此次改进不仅优化了FAST-LIO2在复杂环境下的性能,还为自动驾驶技术在工业等高度动态场景中的广泛应用奠定了坚实基础。
-
关键词
SLAM
fast-lio2
动态分割
点云
工业场景
移动机器人
-
Keywords
SLAM
fast-lio2
dynamic segmentation
point cloud
industrial scenarios
mobile robot
-
分类号
TP389
[自动化与计算机技术—计算机系统结构]
-
-
题名一种融合自适应点云特征提取的激光SLAM方法
- 2
-
-
作者
刘梦涵
王坚
马运涛
柳根
鲍王雨莎
孙昱
-
机构
北京建筑大学测绘与城市空间信息学院
-
出处
《测绘科学》
CSCD
北大核心
2024年第9期155-163,共9页
-
基金
北京市教育委员会科学研究计划项目(KM202410016007)
北京市自然科学基金面上项目(8222011)
北京建筑大学研究生创新项目(PG2024120)。
-
文摘
针对传统SLAM系统前端里程计基于固定阈值提取特征点易导致位姿估计精度降低的问题,该文提出一种自适应点云特征提取方法,通过引入非线性衰减系数,根据点云到激光雷达中心的距离自适应调整特征提取阈值,同时附加非线性权重,提高系统位姿估计的鲁棒性。该文基于FAST-LIO2算法,利用M2DGR数据集验证了所提方法的可靠性,实验结果表明,本文方法的定位和建图精度优于原算法和同类型算法,在提高精度的同时保证了算法的运行效率,有效提升了算法的适用性。
-
关键词
位姿估计
激光SLAM
特征提取
fast-lio2
-
Keywords
pose estimation
laser SLAM
feature extraction
fast-lio2
-
分类号
P237
[天文地球—摄影测量与遥感]
-
