IntensitySLAM大场景环境下

声明:本文只是个人学习记录，侵权可删。论文版权与著作权等全归原作者所有，小王自觉遵守《中华人民共和国著作权法》与《伯尔尼公约》等国内外相关法律，本文禁止转载！！

传统的激光SLAM算法主要利用场景背景的几何特征，而忽略了激光雷达的强度信息。一些最近的基于深度学习的SLAM算法考虑强度特征，并以端到端的方式训练位姿估计网络。然而，它们需要大量的数据收集工作，并且它们对除训练环境之外的环境的可推广性仍不可预测。在本文中，作者将强度特征引入到一个SLAM系统中，提出了一个新颖的全SLAM框架，它利用了几何和强度特征。提出的SLAM包括基于强度的前端里程计估计和基于强度的后端优化。结果表明，该方法优于现有的仅基于几何的激光SLAM。

SLAM可以分为视觉SLAM和激光SLAM。与视觉SLAM相比，激光SLAM对天气和光照等环境变化更加准确和鲁棒。

传统的激光SLAM方法，如LOAM和HDL-Graph-SLAM主要

转载请注明：http://www.yinqqd.com/ykblthz/14650.html