论文、代码地址：在公众号「3D视觉工坊」，后台回复「Intensity-SLAM」，即可直接下载。
摘要：SLAM是一项基于传感器感知（如LiDAR和相机）可用于估计机器人位置并重建环境的任务。它广泛应用于自动驾驶等机器人应用场景。传统基于 LiDAR 的 SLAM 算法主要利用场景上下文中的几何特征，而忽略了来自 LiDAR 的强度信息。最近一些基于深度学习的 SLAM 算法会考虑强度特征并以端到端的方式训练位姿估计网络。然而，它们需要大量的数据收集工作，并且它们对训练环境以外的环境的普遍性仍不清楚。本文中，我们接收了基于强度特征的 SLAM 系统。我们提出了一种新颖的完整 SLAM 框架，它利用了几何和强度特征。所提出的 SLAM 涉及基于强度的前端里程计估计和基于强度的后端优化。进行了包括室外自动驾驶和室内仓库机器人实验。其结果表明，所提出的方法优于现有的仅几何的 LiDAR SLAM 方法。
I 引言
定位是机器人技术的基本和基本主题之一。随着机器人工业的发展，机器人定位在过去的几十年里变得更加具有挑战性：从已知到未知环境，从简单到复杂环境，从静态到动态环境[
