PALoc: Robust Prior-assisted Trajectory Generation for Benchmarking

要約

SLAM (Simultaneous Localization and Mapping) アルゴリズムを評価するには、高精度で高密度のグラウンド トゥルース (GT) 軌道が必要です。
しかし、GT 追跡センサーがなければ、望ましい GT 軌道を取得するのは困難な場合があります。
代替案として、この論文では、ファクターグラフの枠組みの下でベンチマークのために約 $10$Hz で完全な 6 自由度 ($6$-DOF) の軌道を生成する新しい事前支援 SLAM システムを提案します。
当社の縮退認識マップ係数は、点対面の最適化に以前の点群マップと LiDAR フレームを利用し、同時に縮退ケースを検出してドリフトを低減し、姿勢推定の一貫性を高めます。
当社のシステムは、疎結合スキームを介して最先端のオドメトリとシームレスに統合されており、高速で正確な軌道を生成します。
さらに、静止した場合のノルムに制約された重力係数を提案し、姿勢と重力を最適化してパフォーマンスを向上させます。
広範な評価により、精度、滑らかさ、堅牢性の点で、さまざまなシナリオにおいて既存の SLAM またはマップベースの手法よりも当社のアルゴリズムが優れていることが実証されています。
私たちのアプローチは、信頼性が高く正確な SLAM 評価方法を大幅に進歩させ、ロボット研究の進歩を促進します。

要約(オリジナル)

Evaluating simultaneous localization and mapping (SLAM) algorithms necessitates high-precision and dense ground truth (GT) trajectories. But obtaining desirable GT trajectories is sometimes challenging without GT tracking sensors. As an alternative, in this paper, we propose a novel prior-assisted SLAM system to generate a full six-degree-of-freedom ($6$-DOF) trajectory at around $10$Hz for benchmarking under the framework of the factor graph. Our degeneracy-aware map factor utilizes a prior point cloud map and LiDAR frame for point-to-plane optimization, simultaneously detecting degeneration cases to reduce drift and enhancing the consistency of pose estimation. Our system is seamlessly integrated with cutting-edge odometry via a loosely coupled scheme to generate high-rate and precise trajectories. Moreover, we propose a norm-constrained gravity factor for stationary cases, optimizing pose and gravity to boost performance. Extensive evaluations demonstrate our algorithm’s superiority over existing SLAM or map-based methods in diverse scenarios in terms of precision, smoothness, and robustness. Our approach substantially advances reliable and accurate SLAM evaluation methods, fostering progress in robotics research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google