文章：LOCUS 2.0: Robust and Computationally Efficient Lidar Odometry for Real-Time 3D Mapping

作者：Andrzej Reinke , Matteo Palieri , Benjamin Morrell , Yun Chang, Kamak Ebadi, Luca Carlone , Ali-akbar Agha-mohammadi

编辑：点云PCL

代码：https://github.com/NeBula-Autonomy/LOCUS.git

参考链接LOCUS 2.0：基于激光雷达的鲁棒且高效的3D实时建图

摘要

​ 激光雷达里程计作为在复杂的没有GNSS环境中实现鲁棒定位方法引起了广泛关注。然而，由于自主机器人所需的机载计算计和内存资源的限制，在大规模环境中的异构平台上实现可靠和高效的性能仍然是一个开放的挑战。在这项工作中，我们介绍了LOCUS 2.0，这是一种用于实时地下3D地图绘制的稳健且计算效率高的激光雷达里程计系统，LOCUS 2.0包括一种新的基于法线的广义迭代最近点（GICP）公式，该公式减少了点云对齐的计算时间，一种自适应体素网格滤波器，无论环境的几何结构如何，都能保持所需的计算负荷，以及一种滑动窗口建图方法，该方法限制了内存消耗。所提出的方法被证明适用于在严重的计算和内存限制下参与大规模探索的异构机器人平台。我们演示了LOCUS 2.0，这是CoSTAR团队参与DARPA地下挑战的关键要素，涵盖了各种地下场景，我们发布了LOCUS 2.0作为一个开放源代码库，还发布了一个基于激光雷达的里程计数据集，用于具有挑战性的大规模地下环境，该数据集的特点是在多个环境中，包括雾、灰尘、黑暗和几何退化环境中的平台，总共运行11小时，行驶16公里。

​

主要贡献

LOCUS2.0减少了计算负载和内存需求，使系统能够在严重的计算和内存限制下，在大规模探索中，在具有挑战性的感知条件下实现准确和实时的自身运动估计。

LOCUS2.0主要包括：

• 来自法线得GICP：广义迭代最近点(GICP)的新公式，利用点云法线近似点协方差计算，减少了点云对齐的计算时间；
• 自适应体素网络滤波器，其独立于周围环境和激光雷达确保确定性和接近恒定的运行时间；
• 改进和评估两种滑动窗口地图存储数据结构：多线程八叉树、IKD树；
• 包括各种具有挑战性的世界真实地下环境数据集。

主要内容

​ LOCUS 2.0提供了一种精确的基于广义迭代最近点（GICP）算法，实现多级扫描匹配单元和一个鲁棒感知传感器集成模块，用于在松耦合方案中稳健融合附加传感模态。

​ 如图2 LOCUS 2.0架构，该架构包含三个主要组件：i）点云预处理器，ii）扫描匹配单元，iii）传感器集成模块。