Google Cartographer论文。

简介：
Cartographer的核心理论是利用闭环检测来消除在构建地图过程中逐渐积累的误差[1]。为闭环检测提供基本单元的是submap，一个submap由一定数量的激光扫描数据构成。当一个激光扫描数据被插入到其对应的submap中时，系统会依据该submap已有的激光扫描数据以及其他传感器信息，对其在该submap中的最佳位置进行估算。submap的构建过程被认为是能够在短时间内保持误差相对较小的。然而，随着时间的推移，越来越多的submap被创建出来后，这些submap之间的误差累积将会显著增加。因此，为了有效解决这个问题，需要通过闭环检测对这些submap的姿态进行适当优化，从而最终消除这些累积产生的误差，这实际上将问题转化为一个姿态优化问题。当一个submap的构建完成，即不再有新的激光扫描数据被插入到该submap中时，该submap就会被纳入到闭环检测流程中。闭环检测会综合考虑所有已经完成构建的submap。当一个新的激光扫描数据被添加到地图中时，如果该激光扫描数据的姿态估计与地图中某个已存在的submap中的激光扫描数据的姿态估计比较接近的话，则通过某种scan match策略能够识别出这个闭环。Cartographer中的scan match策略通过在即将加入地图的新激光扫描数据的姿态估计附近设置一个窗口范围，并在该范围内寻找该激光扫描数据的潜在匹配点。如果找到一个足够匹配的候选点，那么这个匹配对应的闭环约束就会被纳入到姿态优化问题中。总而言之，Cartographer的主要工作集中于融合来自多个传感器的局部子区域创建以及用于闭环检测的scan match策略的设计与实现。