动态slam】—3.29（5）-爱代码爱编程

题目：

Mapless Online Detection of Dynamic Objects in 3D Lidar 
三维激光雷达中动态物体的无地图在线检测

论文地址：

    https://arxiv.org/pdf/1809.06972.pdf

发表期刊：

 2019 16th Conference on Computer and Robot Vision (CRV)

xxxx

本文提出了一种无模型、独立设置的方法，用于在线检测三维激光雷达数据中的动态物体。我们明确补偿了当今三维旋转激光雷达传感器在扫描过程中的移动（运动失真）。我们的检测方法使用运动补偿的自由空间查询算法，并在点级对动态（当前移动）和静态（当前静止）标签进行分类。 为了进行定量分析，我们使用CARLA（一个用于自动驾驶研究的开源模拟器）建立了一个运动失真的激光雷达数据的基准。我们还使用Velodyne HDL-64E在驾驶场景中的真实数据进行了定性分析。与现有的无模型的三维激光雷达方法相比，我们的方法是独特的，因为它具有设置独立性和对点云运动失真的补偿。

我们的工作属于只使用实时数据的类别。我们检测物体，无论其类别或环境，只要它们在当前场景中移动，我们的方法就适用于大量的应用。在城市驾驶环境中，一个由深度学习方法主导的应用，我们的无模型检测器可以用作安全网、 我们的方法对环境是各向同性的（例如，我们不利用重力矢量的知识来帮助探测地平面），这是环境无关性的一个因素。

我们的主要贡献是独立于环境的检测，输出动态（当前移动）或静态（当前静止）的点级标签。我们使用以前工作中的激光雷达测距算法，该算法补偿了旋转激光雷达在扫描过程中移动所造成的运动失真。 据我们所知，我们的方法是现有的其他无模型的方法中唯一结合了以下所有特征的方法：运动补偿、环境各向异性、只使用实时数据（即没有地图或训练数据）、 没有地图或训练数据）。

本文提出了一种在线检测方法，用于将三维激光雷达点划分为动态（移动）或静态（静止）。运动失真得到了明确的补偿，这是现有方法没有考虑的、 我们只依靠最新的激光雷达数据扫描（即没有地图或训练数据）。另一个使我们的方法独特的特征是环境各向同性。因此，我们的检测方法是无模型和独立设置的，适用于各种应用。我们还建立并公布了动态物体的模拟运动失真的激光雷达数据与点级地面真相的基准