结合结构描述符与新型语义图匹配方法用于LiDAR环路检测

《IEEE Transactions on Automation Science and Engineering》：Coupling Structural Descriptors with a Novel Semantic Graph Matching Approach for LiDAR Loop Detection

　　

摘要：

户外环闭合检测对于纠正里程计偏差以及构建全局一致的地图至关重要。基于语义图的方法能够有效建模物体层面的拓扑结构，从而实现出色的环闭合检测效果；不过，在以背景为主、特征明显的物体较少的场景中，这类方法的性能会下降，而且建立精确的节点对应关系仍然具有挑战性。相比之下，结构描述符方法虽然通过空间分布建模具备了更强的环境通用性，但容易受到激光雷达噪声以及点级特征的局限性影响。这些缺陷凸显出需要一种兼具更强适应性及更高描述能力的更稳健方法。我们提出了一种新的环闭合检测框架——SAGE，该框架结合了高度适应性的点云形状分布特征以及相对可靠的语义图拓扑结构，并通过自适应地整合这两种特征的相似度度量来提升检测性能。具体而言，我们设计了一个具有双重约束的语义图匹配模块，即局部图特征一致性约束和全局空间一致性约束，以此实现更精确的节点对应关系。此外，我们还提取了点云形状分布特征，并引入了一种融合机制，将这些特征与语义图模块相结合，评估其可靠性并自适应地调整各特征的权重。在多种数据集上进行的广泛环闭合检测和姿态估计实验表明，SAGE的性能优于现有的优秀基准方法。相关代码可在https://github.com/SAGE-11/SAGE地址获取。