Proceso Gaussiano Gauss-Newton para Odometría Visual basada en láser 3D

En este artículo, presentamos un método para obtener estimaciones de Odometría Visual (VO) utilizando un medidor láser de distancia de escaneo. Aunque las implementaciones comunes de VO utilizan imágenes de cámaras estereoscópicas, las cámaras dependen de la luz ambiental. En contraste, los sensores iluminados activamente como los medidores láser funcionan en una variedad de condiciones de iluminación, incluyendo la oscuridad total. Aprovechamos los éxitos anteriores aplicando métodos basados en apariencia escasa a imágenes de intensidad láser, y abordamos el problema de la distorsión del movimiento considerando el problema de estimación en tiempo continuo. Esto se facilita utilizando el Proceso Gaussiano Gauss-Newton (GPGN), un algoritmo para la estimación de estado en lote no paramétrica, en tiempo continuo y no lineal. Incluimos una derivación concisa de GPGN, junto con detalles sobre la extensión a tres dimensiones (3D). La validación del marco de VO basado en láser 3D se proporciona utilizando 1.1 km de datos experimentales, que fueron recopilados por un robot de campo equipado con un lidar de escaneo de dos ejes.