Detection and Utilization of Reflections in LiDAR Scans Through Plane Optimization and Plane SLAM

在激光雷达感应中，玻璃、镜子和其他材料经常会导致不一致的数据读数，因为激光束可能会报告玻璃的距离、玻璃后面物体的距离或反射物体的距离。这在机器人和三维重建中会导致问题，特别是在定位、制图和导航方面。通过双回波激光雷达和其他方法，可以在单次扫描中检测玻璃平面并对点进行分类。在这项工作中，我们更进一步，构建了一个全局优化的反射平面地图，以便在最后对所有激光雷达读数进行分类。正如我们的实验所显示的，与单次扫描方法相比，这种方法提供了更高的分类准确性。本研究的代码和数据可作为开源在线获取。

如何通过构建全局优化的反射平面地图来提高LiDAR传感器的分类准确性？

通过构建全局优化的反射平面地图，将LiDAR传感器读数分类，以提高分类准确性。

论文介绍了一种新的方法，通过构建全局反射平面地图来提高LiDAR传感器的分类准确性。实验结果表明，这种方法比单次扫描的方法更准确。该论文提供了开源代码和数据。

近期的相关研究包括使用深度学习方法进行LiDAR分类，以及使用多线束LiDAR技术来提高分类准确性。