Voxel-SLAM论文：
在本研究中,我们提出了 Voxel-SLAM:一个完整、精确且多功能的 LiDAR-惯性 SLAM 系统,它充分利用 短期、中期、长期和 多地图数据关联来实现实时估计和高精度建图。
该系统由五个模块组成:初始化、里程计、局部建图、回环和 全局建图,所有模块均采用相同的地图表示——自适应体素地图。初始化模块提供了精确的初始状态估计和用于后续模块的一致局部地图,使系统能够从高度动态的初始状态启动。里程计模块利用短期数据关联,快速估计当前状态并检测潜在的系统偏差。局部建图利用中期数据关联,采用局部激光雷达惯性束调整(BA) 来优化近期激光雷达扫描滑动窗口内的状态(和局部地图)。
回环检测当前会话和所有之前会话中访问过的地点。全局建图利用高效的分层全局 BA 来优化全局地图。回环检测和全局建图均利用长期和多地图数据关联。
我们与其他先进方法进行了全面的基准测试比较,测试对象涵盖三个代表性场景的 30 个序列,包括使用手持设备的狭窄室内环境、使用空中机器人的大规模荒野环境以及基于车载平台的城市环境。其他实验证明了初始化的稳健性和效率、在多个会话中工作的能力以及在退化环境中的重定位能力。
为了造福社区,我们将代码公开发布 。
