摘要
本文提出了一种精确、高效且无需学习的大型雷达里程计估计方法——CFEAR Radarodometry。通过采用一种滤波技术，保留每个方位角方向上强度最强的k个回波，并进一步在笛卡尔空间中对雷达数据进行滤波，我们能够高效地生成一组具有方向性的稀疏表面点，从而实现快速而准确的扫描匹配。配准过程基于最小化点到线距离度量，并通过Huber损失函数实现对异常值的强鲁棒性。此外，通过将最新扫描与一组关键帧的历史数据联合注册，我们进一步降低了累积漂移。实验表明，该里程计方法在不调整任何参数的情况下，可有效泛化至不同传感器型号和数据集。我们在三种截然不同的环境中对该方法进行了评估，在公开的城市雷达里程计基准测试中，实现了1.76%的总体平移误差，且仅需单个笔记本CPU线程即可以55Hz的频率实时运行，显著优于经空间交叉验证的当前最先进方法。