LiLO：一种基于球面测距图像滤波的轻量级、低偏差激光雷达里程计方法

《Advanced Robotics》：LiLO: lightweight and low-bias LiDAR odometry method based on spherical range image filtering

现有低偏激光雷达里程计方法计算量大，难以集成到复杂自主导航系统。本文提出轻量级LiDAR里程计方法，通过将点云转换为球面范围图像(SRI)并过滤平面、边缘和地面特征，显著降低计算量。该方法不依赖全局地图或闭合环算法，在KITTI数据集上实现0.86%的平移误差和0.0036°/m的旋转误差，平均78ms；本地测试中8个闭合环覆盖3.5km，平均27ms运行时，闭合误差0.8m。

　　

摘要

现有的低偏差激光雷达里程计方法通常计算成本较高，这使得它们难以集成到更复杂的自主导航系统中，例如路径规划或全局定位。为了解决这个问题，我们提出了一种轻量级的激光雷达里程计方法，该方法将无组织的点云数据转换为球形范围图像（SRI），并过滤掉图像平面上的表面、边缘和地面特征。这显著减少了基于LOAM（Lightning Odometry and Mapping）算法的里程计估计所需的计算时间和特征数量。由于我们的里程计估计方法旨在作为移动机器人系统中的一个基础步骤，因此它不依赖于全局地图或闭环算法，进一步降低了计算成本。实验结果表明，即使我们采用了时间效率较高的策略，仍然能够达到先进的性能水平：在KITTI数据集上，平移和旋转误差仅为0.86%，平均运行时间为78毫秒。此外，我们使用自己的数据对该方法进行了测试，获得了0.8米的平均闭环误差，以及覆盖3.5公里的八次循环中的平均运行时间为27毫秒。代码可在此处获取：https://github.com/AUROVA-LAB/applications/tree/main/app_LiLO。