经典文献阅读之——Light-LOAM

0. 简介

将SLAM应用于机器人应用中，可靠性和效率是两个最受重视的特性。本文《Light-LOAM: A Lightweight LiDAR Odometry and Mapping based on Graph-Matching》考虑在计算能力有限的平台上实现可靠的基于激光雷达的SLAM功能。首先与大多数选择点云配准的显著特征的方法相反，我们提出了一种非显著特征选择策略，以提高可靠性和鲁棒性 。然后使用两阶段对应选择方法来配准点云，其中包括基于KD树的粗匹配，然后是一种基于图的匹配方法，它使用几何一致性来排除不正确的对应关系 。此外提出了一种里程计方法，其中权重优化是由前述的几何一致性图的投票结果引导的。通过这种方式，激光雷达里程计的优化迅速收敛，评估出一个相当准确的变换结果，从而使后端模块能够高效完成地图任务。相关的代码已经在github上开源了。

图1.不同数据关联方法在两个连续扫描之间的特征点对齐。(a) 某种情景的点云扫描。(b) K最近邻方法。(c) 基于图形的两阶段匹配方法。

1. 主要贡献

在本文中，我们考虑在计算能力有限的机器人平台上实现可靠的基于LiDAR的SLAM功能。贡献主要有：

2. 系统概述

我们在图2中展示了我们的Light-LOAM SLAM系统的流程，它由三个核心阶段组成：预处理、两阶段特征匹配和姿态估计 。在预处理阶段，我们首先从每个点云扫描中过滤出不连续的点 。为了选择具有微妙局部几何属性的稳定角点和平面特征 ，我们采用了一种不显眼的选择方法，并过滤掉最显著的角点和平面特征。这是与其他方法[1]、[2]、[5]的一个主要区别。然后进行两阶段的特征匹配过程 。在第一阶段，我们采用基于KD树的方法[1]来建立所选特征的初始对应关系 。然后，我们引入了基于图的一致性投票机制来评估这些对应关系 ，有效地过滤掉不可靠的关联。在前端里程计模块中，可靠点对的一致性得分被利用来优化变换，从而得到初始的相对精确的姿态估计。最后，在这些初始可靠的估计的支持下，映射模块以更高效的方式优化更准确的姿态。

3. 特征提取与选择

3.1 不相交点去除

由于3D LiDAR传感器产生的大量数据，特征提取和基于特征的对齐是一种广泛采用的方法，用于高效评估变换。然而，在提取特征候选之前，消除不相交的物体是至关重要的。不相交点通常表示离群值或遮挡物体的片段 ，它们的包含会严重降低后续特征关联和姿态估计的质量。因此，与之前的工作[16]一致，我们采用以下标准来排除这些不连续的点：

其中，pik表示位于第k个激光束通道中的第i个点，σdisjoint​作为判断阈值。如果一个点与其两侧邻居的欧氏距离 的绝对差超过σdisjoint​，则被分类为不连续点。否则，它被视为连续候选点。在消除不连续对象后，我们从每个激光束通道中提取特征点 。点的局部几何属性使用平滑度度量（2）进行描述。

其中，S表示评估的点集，包括候选点及其左右两侧的相邻对象。如果候选点的平滑度rik​超过阈值rt​，则将其指定为角点特征 ；否则，将其识别为平面特征。该分类过程涉及考虑候选点两侧的5个点，并且阈值rt​设置为0.1以实现实际应用。在传统的基于LiDAR的SLAM系统中，如LOAM [1]、FLOAM [5]、LEGO-LOAM [2]，感知空间通常被划分为几个子区域。从每个子区域中选择具有最高或最低平滑度属性的特征候选点，用于后续的特征匹配。然而，我们的Light-LOAM SLAM系统引入了一种创新的非显著特征选择策略。正如前面提到的，特征选择通常是由一个区分性原则来指导的 。但是，这些区分性特征是否真正稳健，并能够作为高质量的优化样本呢？值得注意的是，一些异常值或遮挡点可能具有高度区分性的几何属性 。因此，我们认为相对于顶部显著特征而言，具有较弱平滑度属性的候选点可能更有价值和稳健 ，用于数据关联。我们优先选择每个子区域中较弱的角点和平面特征作为我们优化的候选点。在启动特征选择过程之前，首先根据每个子区域内点的平滑度值进行降序排序：

在有序集合Fk中，我们选择第k个点之后的m个最尖锐的点，并将它们指定为边缘特征集合Fek​。同样地，我们在倒数第l个点之前选择n个最平坦的候选点，并将它们包含在平面集合Fsk​中。

在我们的实现中，我们将每个激光束通道水平地分成6个子区域。将、、m、n、k和l分别设置为2、4、1和2，这种不显眼的特征选择方法与不相交点去除预处理步骤相结合，有效地过滤掉更多的异常值，确保了更可靠的候选位姿集合，用于后续的姿态估计。

点击经典文献阅读之--Light-LOAM( 基于图匹配的轻量级激光雷达里程计和地图构建) - 古月居可查看全文

似是而非的传感器技术指标辨析（1）：精度与误差

技术指标，是表征一个产品性能优劣的客观依据。对于传感器的使用者而言，看懂技术指标将有助于甄别产品质量好坏、正确选型和使用产品。对于传感器的设计者而言，理解技术指标将有助于设计合规合理的传感器产品。

传感器的技术指标总体上可以分为静态指标和动态指标两类。静态指标主要考核在被测目标静止不变（或者是被测量变化比较缓慢的准静态）条件下传感器的输入-输出性能，具体包括分辨力、重复性、灵敏度、线性度、回程误差、阈值、蠕变、稳定性等。动态指标主要考察在被测目标快速变化条件下传感器的输入-输出性能，主要包括频率响应和阶跃响应两个方面。

由于传感器的技术指标众多，各种资料文献叙述角度不同，使得不同人有不同的理解，甚至可能产生误解和歧义。个别不良商家也将相近概念进行混淆、以乱视听，不同厂家之间给出的产品技术指标也是良莠不齐、鱼龙混杂。

本文针对传感器中的几对容易模糊混淆的技术指标进行详细的解读与辨析，以期对传感器的使用者和设计者提供一定的帮助。

1. 精度与误差

定义 ：精度是指传感器的测量值与被测量真值的接近程度，英文为Accuracy； 误差是指传感器的测量值与被测量真值的偏离程度，英文为Error。

解读1 ：精度与误差是一对相反的概念。精度越高，意味着误差越小；反之，误差越大，则精度就越低。

解读2 ：精度与误差都是定性概念，严谨的表达应该仅仅是概念性的表达，例如“精度高、误差小”等。但是，在实际工作中，常常会在“精度”或“误差”一词后面带上一个数据及单位。这种表达形式也不能算错，可以称之为“定性概念的定量表达”。即，前一半是定性概念（精度或误差），后一半为该定性概念的某一种定量表达方式所对应的数值及单位。例如，“精度0.01um”，意味着这个几何量传感器的某一个精度指标可以达到0.01um。

解读3 ：一个定性概念常常可以有多个不同的定量表达方式，即可以采用多个不同的定量技术指标来表达同一个定性概念的大小与强弱。因此，当出现一个定性概念后面跟着一个定量数据的情形时，需要指明这个定量的数据到底是哪一个技术指标，否则无法明确这个定性概念到底如何，也无法进行横向的比较和对比。例如，前述的“精度0.01um”，这个量化数据“0.01um”到底是总的测量不确定度0.01um？还是非线性0.01um？还是重复性0.01um？还是分辨力0.01um？同一个数据，对于不同的技术指标而言，其所代表的精度相去甚远，因此非常有必要明确。例如如图所示的在线测厚系统精度0.01um，就是非常模糊的一个概念。

精度0.01um是何意？

（原创文章，未经允许不得转载）

上海交通大学仪器科学与工程系

上海市传感器及测量仪器专业技术服务平台

上海钊晟传感技术有限公司

相关问答

[最佳回答]中,英己送出Atransducerisadevicethatconvertsonetypeofenergytoanother.Theconversioncanbet...

称重传感器sen是英文“sensor”的缩写,意为传感器,是一种将被测量的物理量(如重量、力、扭矩等)转换成可用信号(如电信号、气信号等)的装置。在称重传感器...

文献注册登录化学产品功能化工材料生物产品企业名录结构式搜索搜索批量搜索搜...传感器)和示值系统(如刻度盘、电子显示仪表)3部分组成。使用功能电子秤采用现...

[回答]通过大量的试验进行总结的.气体的敏感体电阻与气体浓度的关系,是一个很复杂的过程.如果纯理论研究,这个工式用处还比较大,如果是具体的气敏应用,这...

首页产品New厂家化工词典结构式搜索MSDS资讯问答文献注册登录化学产...actuator/sensor执行器/传感器.很高兴为你解答!如有不懂,请追问。谢谢!....

根据官方文献,在5HP19变速箱中,输出转速传感器的电阻应该在600-950欧姆范围内。此传感器的主要作用是监测转子的转速并将其转换为电信号,进而控制变速箱的换挡...

[最佳回答]编码器主要是检测角度和位置,例如你说的在机器人的关节上设计一个编码器与轴承相连接,想保护传感器,原理可以这样的:可以把编码器和传感器检测的角...

[回答]信息技术信息技术:InformationTechnology(英文)简称IT凡是能扩展人的信息功能的技术,都是信息技术.可以说,这就是信息技术的基本定义.它主要是指...

纵坐标不是每次加入前后电流的差值,而是电流的绝对值,也有文献是和最开始的背景电流之间的差值。2一个是通常酶都是固定在电极上,量非常少,一个是...

这是一种设备,用于连接报警系统的传感器和控制器,同时为传感器提供电源。但在不同的文献和工程实践中,可能存在不同的缩写或术语,因此具体含义可能...