[论文解读] A Unified 3D Mapping Framework using a 3D or 2D LiDAR

Weikun Zhen, Sebastian Scherer|arXiv (Cornell University)|Oct 30, 2018

Robotics and Sensor-Based Localization参考文献 3被引用 4

一句话总结

本文提出了一种统一的3D地图构建框架，通过在Cartographer SLAM基础上扩展基于误差状态卡尔曼滤波和扫描匹配的通用定位模块，支持固定或旋转的2D与3D LiDAR。该框架在多种LiDAR平台中实现了低参数调优、实时且高质量的3D地图构建，将漂移降低至每米0.003°，并实现了室内外环境中一致的回环检测。

ABSTRACT

Simultaneous Localization and Mapping (SLAM) has been considered as a solved problem thanks to the progress made in the past few years. However, the great majority of LiDAR-based SLAM algorithms are designed for a specific type of payload and therefore don't generalize across different platforms. In practice, this drawback causes the development, deployment and maintenance of an algorithm difficult. Consequently, our work focuses on improving the compatibility across different sensing payloads. Specifically, we extend the Cartographer SLAM library to handle different types of LiDAR including fixed or rotating, 2D or 3D LiDARs. By replacing the localization module of Cartographer and maintaining the sparse pose graph (SPG), the proposed framework can create high-quality 3D maps in real-time on different sensing payloads. Additionally, it brings the benefit of simplicity with only a few parameters need to be adjusted for each sensor type.

研究动机与目标

• 为解决基于LiDAR的SLAM系统中跨平台兼容性不足的问题，这些系统对不同传感器类型需要独立的算法。
• 在单一框架内实现固定与旋转的2D/3D LiDAR的实时、高精度3D地图构建。
• 通过保持一致的配置策略，尽管传感器存在差异，仍实现跨平台的最小参数调优。
• 通过利用旋转LiDAR，提升在垂直视场受限环境（如狭窄走廊）中的鲁棒性。

提出的方法

• 用误差状态卡尔曼滤波（ESKF）替换Cartographer原始定位模块，通过与距离图进行扫描匹配来估计位姿。
• 使用稀疏位姿图（SPG）优化组件来优化位姿并减少漂移，同时保持与原始Cartographer后端的兼容性。
• 实时处理单个激光扫描，将每个扫描与地图匹配，以提高仅使用IMU集成的精度。
• 通过将定位方法与传感器类型解耦，同时支持固定3D LiDAR和旋转2D/3D LiDAR。
• 在切换平台时，仅需调整少数关键参数，如距离图分辨率、扫描累积数量和优化频率。
• 采用距离图表示法，以实现高效的扫描匹配，并支持可变的传感器配置。

实验结果

研究问题

• RQ1 单一SLAM框架是否能在极少重新配置的情况下，同时支持固定与旋转的2D/3D LiDAR？
• RQ2 与仅使用IMU的集成相比，所提出的定位方法在旋转LiDAR上的漂移与精度表现如何？
• RQ3 哪些参数对不同LiDAR类型和环境下的性能有显著影响？
• RQ4 视场受限如何影响狭窄走廊中高度估计与回环检测？
• RQ5 在多种机器人平台上，参数调优在多大程度上可以实现标准化？

主要发现

• 该框架实现了每米0.003°的旋转漂移率，表明在长期地图构建中具有高度一致性。
• 在固定3D LiDAR的狭窄走廊中，由于垂直视场受限，高度估计不可靠，导致回环检测延迟。
• 旋转LiDAR显著提升了地图构建的鲁棒性，通过扩大视场并实现更优的三维结构捕捉。
• 对于旋转2D LiDAR，低速移动（≈0.5 m/s）对积累足够扫描点以实现稳定的子图更新至关重要。
• 仅需调整少数参数（如距离图分辨率、扫描累积数量和优化频率）即可完成平台切换。
• 该方法在所有测试环境中均实现了稳定的回环检测，并在滚动（0.14°）、俯仰（0.15°）和偏航（0.24°）方向上保持了低误差峰值。