EMV-LIO: An Efficient Multiple Vision aided LiDAR-Inertial Odometry

要約

単一センサーの不完全な制約によって引き起こされる劣化に対処するために、特にLiDAR-ビジョン-慣性融合領域におけるマルチセンサー融合戦略は、近年、業界と研究コミュニティの両方から多くの関心を集めています。
単眼カメラは特定の方向からの周囲光の影響を受けやすく、システムがLiDAR慣性システムに劣化することを考慮して、複数のカメラを導入して視覚観測を拡張し、精度とロバスト性を向上させます。
システム。
また、距離画像による LiDAR のノイズ除去、最近傍探索の条件設定、kd-Tree の ikd-Tree への置き換えなども導入し、効率化を図っています。
上記に基づいて、効率的な複数ビジョン支援 LiDAR 慣性オドメトリー システム (EMV-LIO) を提案し、オープン データセットとカスタム データセットの両方でそのパフォーマンスを評価します。
実験は、LVI-SAM と比較して、アルゴリズムがシステム全体の精度、堅牢性、および効率を改善するのに役立つことを示しています。
私たちの実装は、承認後に利用可能になります。

要約(オリジナル)

To deal with the degeneration caused by the incomplete constraints of single sensor, multi-sensor fusion strategies especially in LiDAR-vision-inertial fusion area have attracted much interest from both the industry and the research community in recent years. Considering that a monocular camera is vulnerable to the influence of ambient light from a certain direction and fails, which makes the system degrade into a LiDAR-inertial system, multiple cameras are introduced to expand the visual observation so as to improve the accuracy and robustness of the system. Besides, removing LiDAR’s noise via range image, setting condition for nearest neighbor search, and replacing kd-Tree with ikd-Tree are also introduced to enhance the efficiency. Based on the above, we propose an Efficient Multiple vision aided LiDAR-inertial odometry system (EMV-LIO), and evaluate its performance on both open datasets and our custom datasets. Experiments show that the algorithm is helpful to improve the accuracy, robustness and efficiency of the whole system compared with LVI-SAM. Our implementation will be available upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google