代码开源！激光雷达 SLAM 的闭环检测：OverlapNet

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

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

更多论文内容参考之前的文章 最新论文 | 激光雷达 SLAM 的闭环检测：OverlapNet

从0到1学习SLAM，戳↓

视觉SLAM图文+视频+答疑+学习路线全规划！

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

投稿、合作也欢迎联系：simiter@126.com

长按关注计算机视觉life

PS：公众号最近更改了推送规则，不再按时间顺序推送，而是根据智能推荐算法有选择性向用户推送，有可能以后你无法看到计算机视觉life的文章推送了。

解决方法是看完文章后，顺手点下文末右下角的“在看” ，系统会认为我们的文章合你口味，以后发文章就会第一时间推送到你面前的，比心~