DLL: 一种直接法的激光雷达定位方案
点云PCL免费知识星球，点云论文速读。
文章：DLL: Direct LIDAR Localization. A map-based localization approach for aerial robots
作者：Fernando Caballero1 and Luis Merino
编译：点云PCL
代码：https://github.com/robotics-upo/dll
来源：DLL has been accepted for publication in IROS 2021.
欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。文章仅做学术分享，如有侵权联系删文。未经博主同意请勿擅自转载。
论文阅读模块将分享点云处理，SLAM，三维视觉，高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享，欢迎各位加入我，我们一起每天一篇文章阅读，开启分享之旅,有兴趣的可联系微信[email protected]。
摘要
本文介绍了一种基于三维激光雷达的快速直接地图定位技术DLL，并将其应用于航空机器人，DLL基于点云地图的非线性优化实现点云到地图的配准，因此不需要特征，也不需要点之间的对应关系，给定一个初始姿态，该方法通过从里程计中提取预测的姿态来跟踪机器人的位姿，通过使用真实数据集和仿真的基准测试集，本文展示了该方法如何比蒙特卡罗定位方法表现得更好，并实现了与其他基于优化的方法相当的精度，但运行速度快了一个数量级，该方法对里程计误差也具有鲁棒性，该方法已在Robot操作系统（ROS）下实现，并公开了代码https://github.com/robotics-upo/dll。
主要内容
使用点云进行基于地图的机器人定位的过程可以总结为：
•机器人里程计，这里提供了一个很好的先验信息，表明自上次定位机器人以来，机器人移动了多少，该先验知识可用于在地图中准确猜测机器人的位置/方向，从而节省计算时间惯性测量单元（IMU），
•由于IMU价格便宜且准确，安装在所有智能手机上，在机器人上安装IMU是很常见的，由于罗盘中的磁场干扰，偏航角会发生显著畸变，而横滚角和俯仰角是可观察到的且准确的，该信息可用于对激光雷达点云进行倾斜补偿，从而简化配准过程。DLL提出了一种新的快速准确的点云配准方法，使惯导可以作为实际机器人安装中的主要定位系统，DLL已经在C++中实现并集成到ROS框架中，使用Ceres Solver来实现非线性优化过程。
实验对比
总结
提出了一种基于三维激光雷达的直接地图姿态跟踪方法，该方法使用原始点云，避免搜索点的对应关系，通过直接优化点云到地图的距离，使用地图的距离场表示法，对里程计预测的姿势进行细化，结果表明，对于所考虑的场景，该方法如何达到与NDT和ICP等方法类似的精度，但运行速度快一个数量级，可实时执行，此外，在噪声里程计的情况下，基于优化的NDT和DLL方法比蒙特卡罗定位方法表现更好。
资源
三维点云论文及相关应用分享
【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法
3D目标检测：MV3D-Net
三维点云分割综述（上）
3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割（2020）
win下使用QT添加VTK插件实现点云可视化GUI
JSNet：3D点云的联合实例和语义分割
大场景三维点云的语义分割综述
PCL中outofcore模块---基于核外八叉树的大规模点云的显示
基于局部凹凸性进行目标分割
基于三维卷积神经网络的点云标记
点云的超体素(SuperVoxel)
基于超点图的大规模点云分割
更多文章可查看：点云学习历史文章大汇总
SLAM及AR相关分享
【开源方案共享】ORB-SLAM3开源啦！
【论文速读】AVP-SLAM：自动泊车系统中的语义SLAM
【点云论文速读】StructSLAM:结构化线特征SLAM
SLAM和AR综述
常用的3D深度相机
AR设备单目视觉惯导SLAM算法综述与评价
SLAM综述(4)激光与视觉融合SLAM
Kimera实时重建的语义SLAM系统
SLAM综述(3)-视觉与惯导，视觉与深度学习SLAM
易扩展的SLAM框架-OpenVSLAM
高翔：非结构化道路激光SLAM中的挑战
SLAM综述之Lidar SLAM
基于鱼眼相机的SLAM方法介绍
扫描下方微信视频号二维码可查看最新研究成果及相关开源方案的演示：
如果你对本文感兴趣，请点击“原文阅读”获取知识星球二维码，务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球，免费下载pdf文档，和更多热爱分享的小伙伴一起交流吧！
以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除
扫描二维码
关注我们
让我们一起分享一起学习吧！期待有想法，乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉，点云，高精地图，自动驾驶，以及机器人等相关的领域。
分享及合作：群主微信“920177957”（需要按要求备注） 联系邮箱：[email protected]，欢迎企业来联系公众号展开合作。
点一下“在看”你会更好看耶
更多相关：
-
点云PCL免费知识星球，点云论文速读。标题：三维点云分割综述（上）排版：particle欢迎各位加入免费知识星球，获取PDF文档，欢迎转发朋友圈，分享快乐。这是一篇综述性论文，以下只做概述性介绍，介绍文章已共享在微信群和免费知识星球中，文章在公众号将分成三个部分:第一部分介绍点云的获取以及各种传感器获取点云的特性，以及分割概念的区别...
-
CloudCompare是一个三维点云（网格）编辑和处理软件。最初，它被设计用来对稠密的三维点云进行直接比较。它依赖于一种特定的八叉树结构，在进行点云对比这类任务时具有出色的性能【1】。此外，由于大多数点云都是由地面激光扫描仪采集的，CloudCompare的目的是在一台标准笔记本电脑上处理大规模的点云——通常超过1000万个点云。...
-
点云PCL免费知识星球，点云论文速读。文章：Open3DGen: Open-Source Software for Reconstructing Textured 3D Models from RGB-D Images作者：Teo T. Niemirepo, Marko Viitanen, and Jarno Vanne编译：点云P...
-
点云PCL免费知识星球，点云论文速读。标题：Real-Time Spatio-Temporal LiDAR Point Cloud Compression作者：Yu Feng , Shaoshan Liu , and Yuhao Zhu来源：2020IROS本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PDF...
-
来源：公众号|计算机视觉工坊（系投稿）作者：仲夏夜之星「3D视觉工坊」技术交流群已经成立，目前大约有12000人，方向主要涉及3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、...
-
点云PCL免费知识星球，点云论文速读。文章：Real-Time LIDAR-Based Urban Road and Sidewalk Detection for Autonomous Vehicles作者：Ern˝o Horváth , Claudiu Pozna ,and Miklós Unger编译：点云PCL代码：http...
-
文章：Semantic Histogram Based Graph Matching for Real-Time Multi-Robot Global Localization in Large Scale Environment作者：Xiyue Guo, Junjie Hu, Junfeng Chen, Fuqin Deng, T...
-
点云PCL免费知识星球，点云论文速读。文章：Robust Place Recognition using an Imaging Lidar作者：Tixiao Shan, Brendan Englot, Fabio Duarte, Carlo Ratti, and Daniela Rus编译：点云PCL（ICRA 2021）开源代码：...
-
文章：A Survey of Calibration Methods for Optical See-Through Head-Mounted Displays作者：Jens Grubert , Yuta Itoh, Kenneth Moser编译：点云PCL本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PD...
-
公众号致力于分享点云处理，SLAM，三维视觉，高精地图相关的文章与技术，欢迎各位加入我们，一起每交流一起进步,有兴趣的可联系微信：920177957。本文来自点云PCL博主的分享，未经作者允许请勿转载，欢迎各位同学积极分享和交流。资源三维点云论文及相关应用分享【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法3D目标检测...
-
Thanks to LOAM, A-LOAM, and LIO-SAM code authors. The major codes in this repository are borrowed from their efforts.代码：https://github.com/gisbi-kim/SC-A-LOAM编译：点云PCL本...
-
文章：Inertial-Only Optimization for Visual-Inertial Initialization作者：Carlos Campos, Jose M.M. Montiel and Juan D. Tard ´ os´代码：https://github.com/bxh1/VIDO-SLAM.git编译：点云...
-
点云PCL免费知识星球，点云论文速读。文章：Monocular Object and Plane SLAM in Structured Environments作者：Shichao Yang, Sebastian Scherer翻译：particle本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PDF论文，欢...
-
点云PCL免费知识星球，点云论文速读。文章：Persistent Map Saving for Visual Localization for Autonomous Vehicles: An ORB-SLAM 2 Extension作者：Felix Nobis∗, Odysseas Papanikolaou, Johannes Be...