原文作者：Quentin Serdel, Christophe Grand, Julien Marzat和Julien Moras

原文标题：【Online Localisation and Colored Mesh Reconstruction Architecture for 3D Visual Feedback in Robotic Exploration Missions 】

原文链接：【https://arxiv.org/abs/2207.10489】

设备提供商：松灵机器人-四轮差速移动底盘Scout 2.0#移动机器人底盘

引言

随着机器人技术的不断发展，其在各种探索任务中的应用也日益广泛。为了提高机器人的自主性和决策能力，如何准确地获取和处理三维视觉信息成为了研究的重要方向。其中，3D视觉反馈技术为机器人提供了对其周围环境的直观感知，从而使其能够更好地完成任务。近年来，许多研究人员致力于开发高效的在线定位和彩色网格重建架构，以满足机器人在复杂环境中的实时需求。这些方法不仅提高了数据的准确性，还大大增强了机器人对环境的理解和适应性。此外，通过结合多种传感器数据，可以进一步提高系统的鲁棒性和可靠性。本综述将深入探讨上述领域的最新进展和关键技术，旨在为读者提供一个全面、系统的了解，并预测未来可能的研究趋势和方向。

摘要

由巴黎萨克雷大学的Quentin Serdel, Christophe Grand, Julien Marzat和Julien Moras提出了一种在线定位和彩色网格重建(OLCMR)ROS感知架构，用于在具有挑战性的未知环境中进行稳健同步定位和SLAM，并实时提供相关的彩色3D网格表示。它旨在供远程操作员在任务期间或之后轻松可视化映射环境，或者作为探索机器人领域进一步研究的开发基础。该架构选择的开源ROS实现组成，包括基于LiDAR的SLAM算法以及使用点云和RGB相机图像投影到3D空间的彩色表面重建过程。整体性能在Newer College利用手持式LiDAR-Vision参考数据集上进行了评估，并在代表性的轮式机器人（松灵机器人Scout 2.0）上分别在城市和乡村户外环境中收集了两个实验轨迹。

论文亮点

提出了一种新的在线定位和彩色网格重建（OLCMR）架构。

该架构使用LiDAR扫描器和多个相机数据进行实时定位和彩色3D网格重建。

在不同的实验环境中进行了测试，并取得了良好的效果。

方法

使用LiDAR-based SLAM算法进行实时定位。

利用点云和RGB相机图像在3D空间中的投影进行彩色表面重建。

实验设计

在Newer College研究人员手持式LiDAR-Vision参考数据集上评估整体性能。

在轮式机器人实验平台上收集的城市和乡村户外环境（松灵机器人Scout2.0）中进行两个实验轨迹。

关于松灵机器人

松灵机器人成立于2016，是一家领先的移动机器人底盘制造商和无人系统解决方案提供商。公司拥有自主研发多模态轮式和履带式线控底盘技术，并获得多项国际认证。松灵机器人为用户提供自动驾驶、移动抓取和导航定位等自研创新应用解决方案，助力不同行业的用户实现自动化。同时，松灵机器人还推出与机器学习、具身智能、视觉算法等相关的科研教育软硬件产品，并与科研教育机构深度合作，推动机器人技术教学与创新。