GP-SLAM: laser-based SLAM approach based on regionalized Gaussian process map reconstruction
GP-SLAM: laser-based SLAM approach based on regionalized Gaussian process map reconstruction
复制标题
GP-SLAM：基于区域化高斯过程图重建的激光SLAM方法
DOI：
10.1007/s10514-020-09906-z
复制
发表时间：
2020-02
影响因子：
3.5
通讯作者：
Li Ping
中科院分区：
文献类型：
--
作者：
Li Bo;Wang Yingqiang;Zhang Yu;Zhao Wenjie;Ruan Jianyuan;Li Ping
现有的基于激光的2D同时定位和测绘(SLAM)方法在效率或地图表示方面都存在局限性。一种理想的方法应该是快速准确地估计环境的地图和机器人的状态，同时提供紧凑和密集的地图表示。在这项研究中，我们通过重新设计所有SLAM系统共有的两个核心元素，即状态估计和MAP构造，来开发一种新的基于激光的SLAM算法。利用高斯过程(GP)回归，提出了一种基于区域化GP地图重建算法的新型地图表示方法。利用这种新的MAP表示法，状态估计方法和MAP更新方法都可以用简洁的数学方法来完成。对于中小型场景，我们的方法只包括状态估计和地图构建，在精度和效率方面都表现出了相对于传统的基于占用网格地图的方法的优异性能。对于大规模场景，我们将我们的方法扩展到基于图形的版本。
Existing laser-based 2D simultaneous localization and mapping (SLAM) methods exhibit limitations with regard to either efficiency or map representation. An ideal method should estimate the map of the environment and the state of the robot quickly and accurately while providing a compact and dense map representation. In this study, we develop a new laser-based SLAM algorithm by redesigning the two core elements common to all SLAM systems, namely the state estimation and map construction. Utilizing Gaussian process (GP) regression, we propose a new type of map representation based on the regionalized GP map reconstruction algorithm. With this new map representation, both the state estimation method and the map update method can be completed with the use of concise mathematics. For small- or medium-scale scenarios, our method, consisting of only state estimation and map construction, demonstrates outstanding performance relative to traditional occupancy-grid-map-based approaches in both accuracy and especially efficiency. For large-scale scenarios, we extend our approach to a graph-based version.
登录
查看更多内容
影响因子：
22.7
作者：
Thrun, S
通讯作者：
Thrun, S
DOI：
10.1109/cvpr.2008.4587360
发表时间：
2008-06
期刊：
2008 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
R. Urtasun;Trevor Darrell
通讯作者：
R. Urtasun;Trevor Darrell
DOI：
10.1109/34.121791
发表时间：
1992-02-01
影响因子：
23.6
作者：
BESL, PJ;MCKAY, ND
通讯作者：
MCKAY, ND
影响因子：
8.3
作者：
Bachrach, Abraham;Prentice, Samuel;Roy, Nicholas
通讯作者：
Roy, Nicholas
影响因子：
4.3
作者：
Kostavelis, Ioannis;Gasteratos, Antonios
通讯作者：
Gasteratos, Antonios