摘要

在视觉SLAM中，滑动窗口关键帧上的局部束调整（BA）已被广泛使用，并被证明在降低漂移方面非常有效。但在激光雷达SLAM中，很少使用BA方法，因为稀疏特征点（如边缘和平面）使得精确的点匹配变得不可能。在本文中，我们将激光雷达BA公式化为最小化特征点到其匹配的边缘或平面的距离。与视觉SLAM（以及激光雷达SLAM中之前的平面调整方法）不同，在视觉SLAM中，特征必须与姿态共同确定，我们表明，特征可以通过解析方式求解并从BA中移除，结果的BA仅依赖于扫描的姿态。这大大减少了优化规模，并允许使用大规模稠密的平面和边缘特征。为了加速优化，我们导出了成本函数的解析导数，最高到二阶，以封闭形式表示。此外，我们提出了一种新颖的自适应体素化方法来高效地搜索特征对应关系。所提出的公式被纳入到LOAM后端进行地图优化。结果表明，虽然作为一个后端，局部BA可以非常高效地求解，即使在优化20次点云扫描时也能在实时（10Hz）下实现。局部BA还显著降低了LOAM漂移。我们的BA优化和LOAM实现是开源的，以造福社区。