点线视觉里程计

退化场景定位不丢

在LiDAR退化的无结构环境中，通过点线特征与直接视觉里程计融合，提供互补约束，恢复鲁棒定位与建图。

Tong, Shi · 钱堃 · Yixin, Fang · 张云 · Yu, Hai

IEEE Robotics and Automation Letters 2024

技术优势

退化场景不退化

通过将点和线特征集成到直接视觉里程计子系统中，最小化基于块的梯度残差，为状态优化提供补充约束，确保在LiDAR退化场景中实现鲁棒定位。

不挑LiDAR传感器

LiDAR地图辅助视觉特征深度提取方法将视觉特征映射到LiDAR地图的3D平面上，不依赖单次扫描密度，因此在各种LiDAR传感器上都具有优越的泛化能力。

精度反超现有系统

在公开数据集和自采数据集上的大量实验表明，PL-LIVO在LiDAR退化场景中优于其他最先进系统。

应用场景

• 自主移动机器人定位：在无结构环境中提供可靠定位，避免LiDAR退化导致的漂移。
• 服务机器人导航：在室内无结构区域保持稳定导航，无需依赖密集扫描。
• 无人机室内导航：通过视觉与LiDAR互补约束，提升室内无GPS环境下的定位鲁棒性。
• 自动驾驶环境建图：在退化场景中重建高质量地图，支持自动驾驶环境感知。