LIO-PPF: Fast LiDAR-Inertial Odometry via Incremental Plane Pre-Fitting and Skeleton Tracking

要約

インテリジェント モバイル ロボットの重要なインフラストラクチャとして、LiDAR 慣性オドメトリ (LIO) は、LiDAR スキャンを追跡することによって状態推定の基本機能を提供します。
高精度の追跡には、一般に、点から面までの距離を最小化するために使用される kNN 検索が含まれます。
ただし、これには大きなローカル マップを維持し、各ポイントに対して kNN 平面適合を実行するというコストがかかります。
この作業では、これらの不必要なコストを節約することで、LIO の時間とスペースの複雑さを軽減します。
技術的には、3D シーンの基本的なスケルトンを追跡するためのプレーン プレフィッティング (PPF) パイプラインを設計します。
PPF では、平面はスキャンごとに個別にはめ込まれず、ましてやポイントごとにはめ込まれませんが、エージェントが移動するにつれて段階的に更新されます。
kNN とは異なり、PPF は、反復的な主成分分析 (iPCA) の改良により、ノイズの多い非厳密な平面に対してより堅牢です。
さらに、シンプルでありながら効果的なサンドイッチ レイヤーが導入され、誤ったポイント ツー プレーン マッチが排除されます。
私たちの方法は、5 つのオープン データセットにまたがる合計 22 シーケンスで広範囲にテストされ、3 つの既存の最先端の LIO システムで評価されました。
対照的に、当社の PPF はローカル マップを最大で 64% 縮小し、残差計算で最大 3 倍速く、全体で 1.92 倍の FPS を達成し、それでも同じレベルの精度を維持します。
https://github.com/xingyuuchen/LIO-PPF で実装を完全にオープンソース化しています。

要約(オリジナル)

As a crucial infrastructure of intelligent mobile robots, LiDAR-Inertial odometry (LIO) provides the basic capability of state estimation by tracking LiDAR scans. The high-accuracy tracking generally involves the kNN search, which is used with minimizing point-to-plane distance. The cost for this, however, is maintaining a large local map and performing kNN plane fit for each point. In this work, we reduce both time and space complexity of LIO by saving these unnecessary costs. Technically, we design a plane pre-fitting (PPF) pipeline to track the basic skeleton of the 3D scene. In PPF, planes are not fitted individually for each scan, much less for each point, but are updated incrementally as the agent moves. Unlike kNN, the PPF is more robust to noisy and non-strict planes with our iterative Principal Component Analyse (iPCA) refinement. Moreover, a simple yet effective sandwich layer is introduced to eliminate false point-to-plane matches. Our method was extensively tested on a total number of 22 sequences across 5 open datasets, and evaluated in 3 existing state-of-the-art LIO systems. By contrast, our PPF downsizes the local map by at most 64%, achieving up to 3x faster in residual calculating, 1.92x overall FPS, and still keeps the same level of accuracy. We fully open source our implementation at https://github.com/xingyuuchen/LIO-PPF.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google