以下几点来源于小六的人工智能SLAM学习圈知乎app每日更新公告

立即领取学习材料 → 智能机器人SLAM学习材料礼包

#毕业论文# AdaLIO: Robust Adaptive LiDAR-Inertial Odometry in Degenerate Indoor Environments

毕业论文详细地址：https://arxiv.org/abs/2304.12577

作者单位：KAIST

近些年，应用LiDAR感应器制作建筑施工或建筑物地图上的需求强烈，以模型环境并实现高效的工地管理。但是，据观查，有时候根据激光传感器的办法在狭小和受到限制的环境时会产生分歧，如螺旋楼梯和过道，不管环境怎么变，均是由固定不动主要参数所造成的。换句话说，LiDAR(-惯性力)里程计参数值基本上都是对于对外开放空间设置的；因而，如果把适用公共空间的同样主要参数用于过道状情景，就会导致里程计方式的扩散，这被称作退化。

为解决这一退化难题，大家提出了一种称之为Adalio的稳定的LiDAR惯性力里程计，采用了一种自适应的基本参数对策。因此，大家先通过查验周边环境是否属于相近走廊的环境来检测退化。假如是，则自适应地更改与体素化及法向量可能有关参数值以增强相对应的数量。以在云计算平台密集的认证，大家明确提出的办法在狭小和拥挤环境中的表现出了优良性能，防止了退化难题。

文中贡献有三个方面：

1、大家提出了一种退化环境-稳定的LIO，根据防止退化来避免在拥堵环境里的扩散。

2、提出了自适应基本参数对策，该对策自适应地调节与体素化及相匹配可能相关的一些主要参数，以维持相对应的数量，促使我们自己的方式对这种狭小情景具备可扩展性。

3、在定性评估中，我们自己的Adalio方式在狭小和拥挤环境内与最先进方式对比主要表现出了优良性能。

之上内容来自小六的人工智能SLAM学习圈知乎app每日更新公告