Papaer Lists

PAPER

1 Laser SLAM

(1) Fast Range Image-Based Segmentation of Sparse 3D Laser Scans for Online Operation

• Author：Igor Bogoslavskyi;Cyrill Stachniss
• Publication：IEEE/RSJ2016
• Code：depth_clustering
• Note：详细见LeGO-LOAM算法解析——1.3 点云分割
• Brief：
  1，将3D点云投影成深度图表示
  2，提出一个聚类物体的数学几何模型，根据激光雷达上下线束或者水平线束先后扫描到的两个点（在深度图中表现为一个点的四邻域）与激光雷达中心构成的一个角度$\beta$，如果大于指定阈值，那么则在同一物体，否则在两个物体。
  3，提出一个LABEL_RANGE_IMAGE的算法用于给深度图打标签，其中的核心算法是LABEL_COMPONENT_BFS，使用BFS策略遍历四邻域，标注label，可看做一个四邻域标注算法

(2) LOAM: Lidar Odometry and Mapping in Real-time

• Author：Ji Zhang;Sanjiv Singh
• Publication：RSS 2014
• Code：
• Note：
• Brief：
  1，velodyne点云的分线束，进行畸变矫正
  2，使用IMU和Laser得到一个10Hz的低精度的Odometry
  3，低精度Odometry为点云地图的匹配提供预测值
  4，没有回环，但是仍然是目前Kitti榜单第二，Laser SLAM的State of Art.

(3) LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain

• Author：Tixiao Shan and Brendan Englot
• Publication：IROS 2018
• Code：LeGO-LOAM
• Note：详细见LeGO-LOAM算法解析
• Brief:
  1，对LOAM的一个升级改动
  2，先进性点云去除地面点和点云分割
  3，对得到的segment cloud进行求曲率，提取特征点（这一步和LOAM是相同的）
  4，优化的时候先优化$x,y,yaw$，然后再优化$z,pitch,roll$
  5，相比LOAM速度快，并且加入了回环

(4) The Three-Dimensional Normal-Distributions Transform — an Efficient Representation for Registration,Surface Analysis, and Loop Detection

• Author：Martin Magnusson
• Publication：博士论文 2013
• Code：pcl中的NDT实现；基于gpu实现的版本见AutoWare；基于OPENMP加速的版本，见AutoWare或者ndt_omp
• Note：详细见NDTPaperReading
• Brief：
  1，使用高斯分布去描述点云表面，将target点云cell化
  2，使用最大似然构建目标函数

(5) PLSLAM: 基于点线综合特征的双目视觉

• Author：谢晓佳
• Publication：浙江大学硕士论文 2017
• Code：无
• Note：详细见PLSLAM: 基于点线综合特征的双目视觉
• Brief：
  1，双目视觉
  2，直线的普吕克参数化，正交参数化
  3，线残差的雅克比矩阵推导，直线的投影方程
  4，直线特征提取LSD，对LSD提取方法进行了算法改进。直线特征描述子LBD
  5，基于ORB-SLAM
  6，点线综合的视觉词典，回环采用ORB描述子和LBD描述子