Multi-Session, Localization-oriented and Lightweight LiDAR Mapping Using Semantic Lines and Planes

要約

この論文では、広く使用されている点群の代わりに軽量の線および平面マップ表現を利用することにより、都市環境におけるマルチセッション LiDAR マッピングのための一元的なフレームワークを紹介します。
提案されたフレームワークは、粗いものから細かいものまで一貫したマッピングを実現します。
大域的な場所の認識は、グラスマン多様体上の線と平面を関連付けることによって実現され、その後、地図を結合するための外れ値除去を支援したポーズ グラフの最適化が行われます。
次に、新しいバンドル調整も、線と面の局所的な一貫性を改善するように設計されています。
実験セクションでは、効率と有効性を実証するために、公開データセットと自己収集データセットの両方が使用されます。
広範な結果により、当社の LiDAR マッピング フレームワークがマルチセッション マップをグローバルにマージし、マップを段階的に最適化し、軽量ロボットのローカリゼーションに適用できることが検証されました。

要約(オリジナル)

In this paper, we present a centralized framework for multi-session LiDAR mapping in urban environments, by utilizing lightweight line and plane map representations instead of widely used point clouds. The proposed framework achieves consistent mapping in a coarse-to-fine manner. Global place recognition is achieved by associating lines and planes on the Grassmannian manifold, followed by an outlier rejection-aided pose graph optimization for map merging. Then a novel bundle adjustment is also designed to improve the local consistency of lines and planes. In the experimental section, both public and self-collected datasets are used to demonstrate efficiency and effectiveness. Extensive results validate that our LiDAR mapping framework could merge multi-session maps globally, optimize maps incrementally, and is applicable for lightweight robot localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google