Um SLAM a base de características usando imagens rasterizadas de nuvem de pontos 3D

Um algoritmo SLAM preciso e computacionalmente eficiente é vital para veículos autônomos. A maioria dos sistemas SLAM modernos utiliza abordagens de detecção de características para limitar os requisitos computacionais. A detecção de características através de uma nuvem de pontos 3D pode ser uma tarefa computacionalmente desafiadora. Neste artigo, propomos um algoritmo SLAM baseado em características usando projeções de imagens 2D da nuvem de pontos laser 3D. Usamos uma matriz de parâmetros da câmera para rasterizar a nuvem de pontos 3D em uma imagem. Em seguida, o detector de características ORB é aplicado a essas imagens. O método proposto fornece características repetíveis e estáveis em uma variedade de ambientes. Com base em tais características, podemos estimar a pose 6dof do robô. Para a detecção de laços, empregamos uma abordagem em 2 etapas, ou seja, detecção do quadro-chave mais próximo e verificação de candidatos a laços ao combinar características extraídas de imagens LIDAR rasterizadas. Avaliamos o sistema proposto com implementação no conjunto de dados KITTI. Através de resultados experimentais, mostramos que o algoritmo apresentado neste artigo pode reduzir substancialmente o custo computacional da detecção de características da nuvem de pontos e de todo o sistema SLAM, ao mesmo tempo que fornece resultados precisos.