代码开源！激光雷达 SLAM 的闭环检测：OverlapNet
点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
最近，德国波恩大学Photogrammetry and Robotics Lab新开源了用于激光雷达SLAM中闭环检测的代码：OverlapNet，该工作已经被Proceedings of Robotics: Science and Systems (RSS)录用。其中第一作者为华人在读博士Xieyuanli Chen，他也是之前开源项目SuMa++: Efficient LiDAR-based Semantic SLAM 的第一作者。
开源项目
以下是新开源代码相关的论文、视频、代码、作者个人主页等信息
论文名称：OverlapNet: Loop Closing for LiDAR-based SLAM
论文下载：https://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/chen2020rss.pdf
代码链接：https://github.com/PRBonn/OverlapNet
作者个人主页：https://www.ipb.uni-bonn.de/people/xieyuanli-chen/
先来看下作者介绍的视频，了解一下该工作的主要内容
亮点
该开源项目主要亮点如下：
1、无需先验位姿信息，解决在自动驾驶中3D LiDAR SLAM 的闭环检测问题。
2、不需提前知道两个雷达扫描的相对位姿，只利用范围、法向量、强度和语义等线索，使用深度神经网络直接估计两个激光雷达扫描的重叠率，以及相对偏航角。
展示了 OverlapNet 的主要框架。模型输入是两个雷达扫描的球面投影，包含范围、法向量、强度和语义四个信道。经过共用的卷积神经网络滤波，在两个扫描中提取的特征图被一同用于预测重叠率和相对偏航角
3、结合里程计信息和重叠率预测实现闭环的检测、修正。
4、可以检测到的闭环整合到现有SLAM系统中，可以提高整体位姿估计的结果，产生全局一致的地图。
5、可以在比较有挑战性的环境下估计回环信息。
6、在不同数据集上泛化性能不错。作者训练模型使用的是 KITTI 数据集，在 Ford campus 数据集上进行测试评估。实验表明该方法仍然能够比最新的方法更有效地检测闭环。
本文提出的方法比其他方法回环检测的召回率与精确率曲线比较。注意本文的方法（红色和绿色曲线）只使用了KITTI数据集训练。没有使用 Ford campus 数据集训练，仍然可以在 Ford campus数据集实现良好的性能
本文仅做学术分享，如有侵权，请联系删文。
推荐阅读：