Real-Time Simultaneous Localization and Mapping with LiDAR intensity

要約

非構造化環境でのジオメトリ縮退問題に対処する、新しいリアルタイム LiDAR 強度画像ベースの同時ローカリゼーションおよびマッピング方法を提案します。
従来の LiDAR ベースのフロントエンド オドメトリは、主に点、線、面などの幾何学的特徴に依存しています。
環境にこれらの機能が欠けていると、オドメトリ システム全体の障害につながる可能性があります。
この問題を回避するために、LiDAR 強度画像で識別された特徴と一致する LiDAR 生成点群から特徴点を抽出します。
次に、抽出した特徴点を使用してスキャン レジストレーションを実行し、ロボットの自我運動を推定します。
バックエンドでは、対応する特徴点間の距離と、マップで識別された平面の点から平面への距離を共同で最適化します。
さらに、強度画像から抽出された特徴を使用して、以前のスキャンからループ クロージャー候補を検出し、ポーズ グラフの最適化を実行します。
私たちの実験は、私たちの方法が高精度でリアルタイムで実行でき、照明の変化、低テクスチャ、および構造化されていない環境でうまく機能することを示しています。

要約(オリジナル)

We propose a novel real-time LiDAR intensity image-based simultaneous localization and mapping method , which addresses the geometry degeneracy problem in unstructured environments. Traditional LiDAR-based front-end odometry mostly relies on geometric features such as points, lines and planes. A lack of these features in the environment can lead to the failure of the entire odometry system. To avoid this problem, we extract feature points from the LiDAR-generated point cloud that match features identified in LiDAR intensity images. We then use the extracted feature points to perform scan registration and estimate the robot ego-movement. For the back-end, we jointly optimize the distance between the corresponding feature points, and the point to plane distance for planes identified in the map. In addition, we use the features extracted from intensity images to detect loop closure candidates from previous scans and perform pose graph optimization. Our experiments show that our method can run in real time with high accuracy and works well with illumination changes, low-texture, and unstructured environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google