Key points are not available for this paper at this time.
La localisation et la cartographie simultanées (SLAM) sont un domaine de recherche en plein essor largement requis dans de nombreuses applications robotiques. Dans la technologie SLAM, il est essentiel d'explorer un modèle de carte précis et efficace pour représenter l'environnement et de développer les méthodes d'association de données correspondantes nécessaires pour réaliser une correspondance fiable entre les mesures et les cartes. Ces deux éléments clés impactent la stabilité de fonctionnement du système SLAM, surtout dans des scénarios complexes. Cependant, la littérature antérieure n'a pas pleinement abordé les problèmes de cartographie efficace et d'association de données précise. Dans cet article, nous proposons un nouveau modèle de carte multi-échelle par hachage (H-MS) pour garantir l'efficacité des requêtes avec une modélisation précise. Dans la carte proposée, le point de carte inséré participera simultanément à la modélisation de voxels de différentes échelles dans un groupe de voxels, permettant à la carte de représenter efficacement des objets de différentes échelles dans l'environnement. Parallèlement, le nœud racine du groupe de voxels est sauvegardé dans une table de hachage pour un accès efficace. Deuxièmement, considérant le problème d'association de données à haute computation (ordre de grandeur 1 × 10³) causé par le maintien simultané de repères voxel multi-échelle dans la carte H-MS, nous proposons également un algorithme de correspondance bidirectionnelle (MSBM). Cet algorithme utilise une projection avant-arrière-avant pour équilibrer le problème d'efficacité et de précision. La carte H-MS proposée et l'algorithme MSBM sont intégrés dans un système LiDAR SLAM complet (HMS-SLAM). Enfin, nous avons validé le modèle de carte proposé, l'algorithme de correspondance et le système intégré sur le jeu de données public KITTI. Les résultats expérimentaux montrent qu'en comparaison avec la carte ikd tree, le modèle de carte H-MS présente une efficacité d'insertion et de suppression supérieure, les deux ayant une complexité temporelle de O(1). L'efficacité computationnelle et la précision de l'algorithme MSBM sont meilleures que celles de l'algorithme de correspondance par priorité à petite échelle, et la vitesse de calcul de l'MSBM atteint 49 ms/temps sous un seul thread CPU. De plus, le système HMS-SLAM construit dans cet article a également atteint d'excellentes performances en termes de précision de cartographie et d'utilisation de la mémoire.
Ma et al. (Jeu,) ont étudié cette question.
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: