要約
この論文では、VoxelMap++ について説明します。これは、LiDAR(慣性) ベースの同時位置特定とマッピング (SLAM) の精度と効率を効果的に向上できる、平面結合を備えたボクセル マッピング方法です。
このマップは、3DOF 表現と対応する共分散推定を備えた 1 つの平面フィーチャを含むボクセルのコレクションです。
全体のマップには多数の共面フィーチャ (子平面) が含まれることを考慮すると、これらの子平面の 3DOF 推定は、より大きな平面 (親平面) の共分散を伴う測定値と見なすことができます。
したがって、リソースを節約し、平面フィッティングの精度をさらに向上できる、union-find に基づいた平面マージ モジュールを設計します。
このモジュールは、異なるボクセル内の子平面を区別し、これらの子平面を結合して父親平面を推定できます。
統合後、親機の 3DOF 表現は子機よりも正確になり、不確実性が大幅に減少するため、LiDAR(慣性) オドメトリのパフォーマンスがさらに向上します。
廊下や森林などの困難な環境での実験では、他の最先端の方法と比較して、当社の方法の精度と効率が高いことが実証されています (添付のビデオを参照)。
ちなみに、私たちの実装 VoxelMap++ は GitHub でオープンソースであり、非反復スキャン LiDAR と従来のスキャン LiDAR の両方に適用できます。
要約(オリジナル)
This paper presents VoxelMap++: a voxel mapping method with plane merging which can effectively improve the accuracy and efficiency of LiDAR(-inertial) based simultaneous localization and mapping (SLAM). This map is a collection of voxels that contains one plane feature with 3DOF representation and corresponding covariance estimation. Considering total map will contain a large number of coplanar features (kid planes), these kid planes’ 3DOF estimation can be regarded as the measurements with covariance of a larger plane (father plane). Thus, we design a plane merging module based on union-find which can save resources and further improve the accuracy of plane fitting. This module can distinguish the kid planes in different voxels and merge these kid planes to estimate the father plane. After merging, the father plane 3DOF representation will be more accurate than the kids plane and the uncertainty will decrease significantly which can further improve the performance of LiDAR(-inertial) odometry. Experiments on challenging environments such as corridors and forests demonstrate the high accuracy and efficiency of our method compared to other state-of-the-art methods (see our attached video). By the way, our implementation VoxelMap++ is open-sourced on GitHub which is applicable for both non-repetitive scanning LiDARs and traditional scanning LiDAR.
arxiv情報
| 著者 | Yifei Yuan,Chang Wu,Yuan You,Xiaotong Kong,Ying Zhang,Qiyan Li |
| 発行日 | 2023-08-05 06:07:16+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google