ERASOR的局限性
地图在理想情况下应该在静态环境中创建最佳，但在大多数现实场景中，动态物体的存在是不可避免的。由于每次扫描点云都在离散时间间隔内捕获数据，动态物体的存在可能会在点云数据中引入失真和长时间的痕迹。
现有方法大致可以分为在线方法和后处理方法。在线方法由于能够使用有限数量的当前扫描实现近乎即时性，因此在检测当前场景中的快速移动物体方面具有固有的局限性，这可能会忽略某些移动物体的痕迹。尽管在线方法使用了扫描-地图前端和地图-地图后端技术，但其准确性通常低于后处理方法。
后处理方法具有更高的准确性，主要分为：
- 基于聚类的方法
- 基于语义的方法
- 基于体素（或光线追踪）的方法
- 基于可见性的方法
- 基于描述符的方法
其中ERASOR[2]关注的是在一组生成的地图中进行动态物体后处理拒绝的问题。其主要工作包括利用垂直列中点的表示称为区域伪占用描述符（R-POD），提出了一种称为扫描比率测试（SRT）的方法来获取具有动态物体的箱子，一种称为区域地面平面拟合（R-GPF）的静态点检索方法，并提出了一种特别适用于静态地图构建任务的度量。
尽管ERASOR在动态物体移除方面表现出色，但仍存在一些局限性：
- 描述符的简单表示。在先前的方法中，箱子区域描述符的表示简化为仅包括Z轴的高度差异，这似乎丢失了大量有价值的信息。
- 在地面被遮挡的区域中去除的不确定性和错误。如图3所示，在一些包含远离扫描中心的植被的区域，或者当建筑物位于其他物体后面时，箱子中的扫描点数量有限，导致确定箱子状态的潜在不准确性。
- 由LiDAR数据漂移或误差引起的孤立动态箱。某些箱子可能表现出孤立的动态状态，尽管该区域中没有任何动态物体，这导致计算资源的浪费和无效的移除过程。
ERASOR++[1]基于描述符方法ERASOR的思路，引入了一种新颖的描述符表示方法，并提出了多种有效的测试方法，以克服现有的局限性：
- 新颖的高度编码描述符（HCD），它结合了Z轴的极值和稀疏中间值，增强了描述能力。
- 综合的高度堆栈测试（HST）方法，用于评估动态箱，利用HCD中的中间高度区域点的描述，避免因信息不足导致的潜在动态移除问题。
- 提出了额外的地面层测试（GLT）和周围点测试（SPT），用于提高动态状态的准确性，补充算法并解决特定挑战。
具体方法
高度编码描述符
为了简化信息并采用一种新颖的方法来描述感兴趣区域的点云。设计了高度编码描述符（HCD）：一种通过结合高度差异和高度编码信息的新方法，提供了一种既简洁又信息丰富的点云表示。
当前扫描到达时，首先获取特定距离范围内的点云，然后从先前地图中获取相同范围内的子地图。高度编码描述符基于获取的点云，如图2所示。
高度堆栈测试
在之前的工作中，扫描比率测试（SRT）被用来比较当前扫描与其对应的先前地图描述符，以找出具有动态物体的箱子。SRT 直接通过限制这两个值的商来比较当前扫描和地图扫描中的高度差值，可以描述为：
这种方法可能会导致如图3所示的不良移除情况。在这种情况下，基于提出的高度编码描述符（HCD），我们设计并使用了一种新颖的测试方法，称为高度堆栈测试（HST）。
如图3所示，我们可以看到需要检查地面以上各层的重叠部分，重叠部分的数量表明了其为静态的可能性。因此，高度堆栈测试参数被设计为：
地面层测试
周围点测试
周围点测试（SPT）是位于高度堆栈测试（HST）和区域地面平面拟合（R-GPF）之间的一个过程，用于减少错误的动态移除。由于LiDAR点云中总是存在不确定性，并且某些遮挡物可能会影响箱子状态的结果，因此会有一些孤立的动态箱，但其中没有动态物体，如图4所示。
这一部分的重点是通过搜索邻近的点来纠正孤立箱子的状态，旨在识别并纠正由于周围信息不足而导致箱子看起来是动态的情况。通过分析附近的点，这个测试可以确保对箱子动态状态的更准确评估。
由于先前的地图是通过累积每个扫描帧生成的，因此动态物体在地图中总是有长轨迹。因此，确实具有动态物体的箱子应聚集为组或线。在这种情况下，我们提出了周围点测试方法，通过搜索其周围点来检查每个动态箱，并确保其状态正确。搜索区域可以描述为：
实验效果
实验结果显示，ERASOR++在所有序列中显著提高了保留率和F1分数，尽管拒绝率略有下降。特别是在处理长时间数据集时，ERASOR++能够保持高水平的精度。
ERASOR++在精度和速度方面均优于先前的ERASOR。通过引入高度编码描述符（HCD）、高度堆栈测试（HST）、地面层测试（GLT）和周围点测试（SPT），我们的系统有效地解决了先前方法的局限性，显著提高了动态物体移除的效果和静态点的保留质量。
总结一下
ERASOR++是基于ERASOR方法的一种改进动态物体移除系统，引入了一种新颖的表示方法——高度编码描述符，并提出了综合的高度堆栈测试、地面层测试和周围点测试。有效解决了ERASOR的局限性，提高了静态点的保留质量，特别是在非结构化环境中。
未来工作：通过新颖表示方法的创新，描述符预计将通过来自原始点云的更多可用信息来完善，进一步用于其他具有挑战性的任务或方面。
参考
[1] ERASOR++: Height Coding Plus Egocentric Ratio Based Dynamic Object Removal for Static Point Cloud Mapping
[2] ERASOR: Egocentric ratio of pseudo occupancy-based dynamic object removal for static 3D point cloud map building
发表回复