Lidar-basierte gleichzeitige Lokalisierung und Kartierung (SLAM) ermöglicht die Erstellung detaillierter 3D-Karten für Anwendungen wie autonome Navigation und Infrastrukturüberwachung. SLAM-Systeme sind jedoch anfällig für Driftansammlungen, insbesondere in Abwesenheit eines eng integrierten globalen Navigationssatellitensystems (GNSS) oder einer inertialen Messeinheit, was zu einer verschlechterten globalen Genauigkeit führt. Dieses Papier präsentiert eine modulare Nachbearbeitungskorrektur-Pipeline, die hochgenaue GNSS-Daten zur Echtzeitkinematik (RTK) nutzt, um Lidar-SLAM-Ausgaben in Szenarien mit hoher Drift zu korrigieren. Die Pipeline besteht aus drei Phasen: (1) segmentbasierte SLAM-Trajektorienkorrektur durch Ausrichtung an zeitlich synchronisierten GNSS-RTK-Punkten unter Verwendung einer Singulärwertzerlegung und Iterative Closest Point (SVD-ICP)-Methode; (2) Übertragung dieser Korrekturen auf die aggregierte Punktwolke durch zeitstempel-aligned Delta-Anwendung, um eine nicht starre Zwischenreferenzkarte zu erzeugen; und (3) bedingte Kartenverfeinerung entweder mittels der SVD-ICP-Methode für global starre Anpassung in Szenarien mit geringer Drift oder einer Random Sample Consensus (RANSAC)-progressiven Iterative Closest Point (ICP)-Methode für robuste Registrierung in Fällen mit signifikanten Restdrift, Ausreißern oder lokalen Inkonsistenzen. Das Endergebnis ist eine global korrigierte Punktwolke mit hoher Treue im LAS-Dateiformat. Experimentelle Ergebnisse zeigen eine globale Genauigkeit von unter einem Meter und eine starke visuelle Konsistenz mit Satellitenbasis-Karten und GNSS-Kontrollpunkten, was die Effektivität der Pipeline für die Nachbearbeitung von SLAM in Umgebungen mit begrenzter Sensorintegration bestätigt.
Birhane et al. (Diens,) untersuchten diese Frage.