FR-LIO: Fast and Robust Lidar-Inertial Odometry by Tightly-Coupled Iterated Kalman Smoother and Robocentric Voxels

要約

この論文では、攻撃的な動きに対してロバストな高速ライダー慣性オドメトリ (LIO) を紹介します。
アグレッシブな動きのシーンで堅牢な追跡を実現するために、LIDAR の連続スキャン プロパティを利用して、動きの強度に応じてフル スキャンを複数の部分スキャン (サブフレームと呼ばれる) に適応的に分割します。
また、不十分な制約によるサブフレームの劣化を回避するために、密結合反復エラー状態カルマン スムーザー (ESKS) フレームワークに基づくロバストな状態推定方法を提案します。
さらに、システムの効率を改善するために、ロボセントリック ボクセル マップ (RC-Vox) を提案します。
RC-Vox を使用すると、ローカル マップ ポイントを固定サイズの 2 層 3D 配列構造にマッピングすることで、マップ ポイントと k 最近傍 (k-NN) クエリを効率的に維持できます。
4 つの公開データセットと私たち自身のデータセットからの 27 シーケンスに対して広範な実験が行われます。
結果は、我々のシステムが、他の最先端の方法では処理できない積極的な動きのシーン（角速度最大21.8 rad/s）で安定した追跡を達成できることを示しています。
一般的なシーン。
さらに、RC-Vox のおかげで、当社のシステムは現在公開されている最も効率的な LIO システムよりもはるかに高速です。

要約(オリジナル)

This paper presents a fast lidar-inertial odometry (LIO) that is robust to aggressive motion. To achieve robust tracking in aggressive motion scenes, we exploit the continuous scanning property of lidar to adaptively divide the full scan into multiple partial scans (named sub-frames) according to the motion intensity. And to avoid the degradation of sub-frames resulting from insufficient constraints, we propose a robust state estimation method based on a tightly-coupled iterated error state Kalman smoother (ESKS) framework. Furthermore, we propose a robocentric voxel map (RC-Vox) to improve the system’s efficiency. The RC-Vox allows efficient maintenance of map points and k nearest neighbor (k-NN) queries by mapping local map points into a fixed-size, two-layer 3D array structure. Extensive experiments are conducted on 27 sequences from 4 public datasets and our own dataset. The results show that our system can achieve stable tracking in aggressive motion scenes (angular velocity up to 21.8 rad/s) that cannot be handled by other state-of-the-art methods, while our system can achieve competitive performance with these methods in general scenes. Furthermore, thanks to the RC-Vox, our system is much faster than the most efficient LIO system currently published.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google