[论文解读] Ground-SLAM: Ground Constrained LiDAR SLAM for Structured Multi-Floor Environments

Wei Xin, Jixin Lv+2 more|arXiv (Cornell University)|Mar 5, 2021

Robotics and Sensor-Based Localization参考文献 22被引用 15

一句话总结

Ground-SLAM 是一种 3D LiDAR SLAM 算法，通过在结构化的多层建筑环境中利用地面平面作为无限平面地标，减少由 LiDAR 测量偏差引起的位姿漂移。通过将地面约束整合到基于传感器中心滑动地图和最近点（Closest Point）参数化的位姿图优化框架中，该方法实现了更高的精度和全局一致性，在实验评估中优于基线方法。

ABSTRACT

This paper proposes a 3D LiDAR SLAM algorithm named Ground-SLAM, which exploits grounds in structured multi-floor environments to compress the pose drift mainly caused by LiDAR measurement bias. Ground-SLAM is developed based on the well-known pose graph optimization framework. In the front-end, motion estimation is conducted using LiDAR Odometry (LO) with a novel sensor-centric sliding map introduced, which is maintained by filtering out expired features based on the model of error propagation. At each key-frame, the sliding map is recorded as a local map. The ground nearby is extracted and modelled as an infinite planar landmark in the form of Closest Point (CP) parameterization. Then, ground planes observed at different key-frames are associated, and the ground constraints are fused into the pose graph optimization framework to compress the pose drift of LO. Finally, loop-closure detection is carried out, and the residual error is jointly minimized, which could lead to a globally consistent map. Experimental results demonstrate superior performances in the accuracy of the proposed approach.

研究动机与目标

• 解决在结构化多层建筑中由 LiDAR 测量偏差引起的 3D LiDAR SLAM 位姿漂移问题。
• 利用地面平面的几何稳定性作为可靠地标以实现漂移校正。
• 开发一种鲁棒的实时 SLAM 系统，实现在多层环境中的全局一致性。
• 将地面约束整合到位姿图优化框架中，以提高轨迹精度。

提出的方法

• 通过基于误差传播建模的过期特征过滤机制，维护一个传感器中心的滑动地图，从而在前端实现高效的运动估计。
• 在每个关键帧，提取局部地图，并使用最近点（Closest Point, CP）参数化方法检测和建模附近的地面平面。
• 在时间维度上关联来自不同关键帧的地面平面，以建立一致的地标观测。
• 将地面约束融合到位姿图优化框架中，以压缩 LiDAR 里程计产生的漂移。
• 执行回环检测以进一步优化轨迹并最小化残余误差。
• 整个系统基于位姿图优化框架构建，确保全局一致的地图构建。

实验结果

研究问题

• RQ1 在结构化的多层环境中，地面平面能否作为稳定可靠的地标，以减少 LiDAR SLAM 的漂移？
• RQ2 如何有效建模并整合地面约束到位姿图优化框架中，以提升轨迹精度？
• RQ3 具有误差感知特征过滤的传感器中心滑动地图在多大程度上能增强运动估计的鲁棒性？
• RQ4 与仅依赖传统回环检测的方法相比，地面约束的融合在漂移抑制方面表现如何？
• RQ5 所提出的方法能否在复杂多层场景中实现全局一致的地图，且仅需极少的人工初始化？

主要发现

• Ground-SLAM 通过利用地面平面作为稳定地标，在多层环境中显著减少了位姿漂移。
• 采用最近点（CP）参数化方法，可在关键帧之间实现对地面平面的精确且高效的建模。
• 将地面约束融合到位姿图优化中，相比基线方法，可获得更一致且更精确的轨迹。
• 通过回环检测后的残差误差联合最小化，系统实现了全局一致的地图。
• 实验结果表明，在基准数据集上，该方法在精度方面优于当前最先进的 LiDAR SLAM 方法。
• 该方法在保持高精度制图的同时，实现了实时性能，适用于结构化的室内环境。