LOG-LIO: A LiDAR-Inertial Odometry with Efficient Local Geometric Information Estimation

要約

ローカル幾何学情報、つまり法線分布や点分布は、データの関連付けに制約を与えるため、LiDAR ベースの同時位置特定およびマッピング (SLAM) にとって重要です。これは、最適化の方向性をさらに決定し、最終的にはポーズの精度に影響します。
ただし、正規分布と点分布の推定は、KDtree やボリューム マップを利用したとしても時間のかかる作業です。
高速な法線推定を実現するために、LiDAR スキャンの構造情報を調査し、新しい高速近似最小二乗 (FALS) 法を提案します。
事前に計算された方位情報を使用すると、法線の推定には、新しいスキャンが到着したときのポイントの範囲情報のみが必要になります。
点の分布を効率的に推定するために、ikd ツリーを拡張してマップをボクセルで管理し、法線との一貫性を維持しながら点群分布を段階的に更新します。
法線に基づく可視性と一貫性チェックを満たすスキャン ポイントについては、ポイントからサーフェルがポイントから面よりも優先される分布を考慮して、堅牢で正確な階層データ関連付けスキーマを考案します。
分布が収束した後、さらにボクセルを修正して、時間の消費と表現の正確さのバランスをとります。
多様な公開データセットに対する広範な実験により、他の最先端の方法と比較した当社のシステムの利点が実証されています。

要約(オリジナル)

Local geometric information, i.e. normal and point distribution, is crucial for LiDAR-based simultaneous localization and mapping (SLAM) because it provides constrains for data association, which further determines the direction of optimization and ultimately affects the accuracy of poses. However, estimating normal and point distribution are time-consuming tasks even with the assistance of the KDtree or volumetic maps. To achieve fast normal estimation, we look into the structural information of LiDAR scan and propose a novel fast approximate least squares (FALS) method. With the pre-computed bearing information, estimating the normal requires only the range information of the points when a new scan arrives. To efficiently estimate the distribution of points, we extend the ikd-tree to manage the map in voxels and update its point cloud distribution incrementally while maintaining its consistency with the normals. For scan points that satisfy visibility and consistency checks based on normal, we devise a robust and accurate hierarchical data association schema considering the distribution where point-to-surfel is prioritized over point-to-plane. We further fix voxels after the distribution convergences to balance the time consumption and the correctness of representation. Extensive experiments on diverse public datasets demonstrate the advantages of our system compared to other state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google