LMBAO: A Landmark Map for Bundle Adjustment Odometry in LiDAR SLAM

要約

LiDAR オドメトリは、LiDAR の同時ローカリゼーションおよびマッピング (SLAM) の重要な部分の 1 つです。
ただし、既存の LiDAR オドメトリは、新しいスキャンを以前の固定姿勢スキャンと単純に繰り返し一致させる傾向があり、徐々にエラーが蓄積されます。
さらに、効果的な共同最適化メカニズムとして、大規模なグローバルランドマークの集中的な計算により、バンドル調整 (BA) をリアルタイムオドメトリに直接導入することはできません。
したがって、このレターは、これらの問題を解決するために、LiDAR SLAM のバンドル調整オドメトリー (LMBAO) のランドマーク マップという名前の新しい戦略を設計します。
まず、BA ベースのオドメトリは、より正確なローカル レジストレーションと累積エラーの回避のためのアクティブなランドマーク メンテナンス戦略を使用してさらに開発されます。
具体的には、このペーパーでは、スライディング ウィンドウ内の特徴点だけでなく、安定したランドマーク全体をマップ上に保持し、アクティブ グレードに従ってランドマークを削除します。
次に、スライディング ウィンドウの長さが短縮され、周辺化が実行されてウィンドウの外側のスキャンが保持されますが、マップ上のアクティブなランドマークに対応するため、計算が大幅に簡素化され、リアルタイム プロパティが向上します。
さらに、3 つの困難なデータセットに関する実験では、当社のアルゴリズムが屋外での運転でリアルタイムのパフォーマンスを達成し、Lego-LOAM や VLOM などの最先端の LiDAR SLAM アルゴリズムよりも優れていることが示されています。

要約(オリジナル)

LiDAR odometry is one of the essential parts of LiDAR simultaneous localization and mapping (SLAM). However, existing LiDAR odometry tends to match a new scan simply iteratively with previous fixed-pose scans, gradually accumulating errors. Furthermore, as an effective joint optimization mechanism, bundle adjustment (BA) cannot be directly introduced into real-time odometry due to the intensive computation of large-scale global landmarks. Therefore, this letter designs a new strategy named a landmark map for bundle adjustment odometry (LMBAO) in LiDAR SLAM to solve these problems. First, BA-based odometry is further developed with an active landmark maintenance strategy for a more accurate local registration and avoiding cumulative errors. Specifically, this paper keeps entire stable landmarks on the map instead of just their feature points in the sliding window and deletes the landmarks according to their active grade. Next, the sliding window length is reduced, and marginalization is performed to retain the scans outside the window but corresponding to active landmarks on the map, greatly simplifying the computation and improving the real-time properties. In addition, experiments on three challenging datasets show that our algorithm achieves real-time performance in outdoor driving and outperforms state-of-the-art LiDAR SLAM algorithms, including Lego-LOAM and VLOM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google