本论文以LOAM为基础,优化了LOAM中存在的一些缺点,并提升其性能。 在LOAM中,特征提取阶段需要计算点云所有点的平滑度值,导致计算量很大,且草地、树叶等环境物体会产生不可靠的特征。 针对这个问题,LEGO-LOAM首先对点云进行地面提取,将点云分为地面点和非地面点。之后对于非地面点,再进行聚类分割。在地面点和分割点...
LeGO-LOAM是轻量级的,因为它可以在低功耗嵌入式系统上实现实时姿态估计。LeGO-LOAM是地面优化的,是因为它在分割和优化步骤中利用了地平面的存在。我们首先应用点云分割算法滤除噪声,并通过特征提取获得独特的地面和边缘特征。然后,两步Levenberg-Marquardt非线性优化算法利用平面和边缘特征去解决连续扫描中六自由度变换的...