SR-LIO: LiDAR-Inertial Odometry with Sweep Reconstruction

要約

この論文では、反復拡張カルマン フィルター (iEKF) フレームワークに基づいた、SR-LIO と呼ばれる新しい LiDAR 慣性オドメトリ (LIO) を提案します。
回転する LiDAR からの生の入力スイープをセグメント化して再構成し、より高い周波数で再構成されたスイープを取得するスイープ再構成手法を採用します。
このような方法により、反復される各状態更新の時間間隔が効果的に短縮され、状態推定精度が向上し、高周波 IMU と低周波 LiDAR を融合するための iEKF フレームワークの使用が可能になることがわかりました。
特定の点に対する複数の歪み補正によって引き起こされる不正確な軌道を防ぐために、各セグメントに対して歪み補正を実行することをさらに提案します。
4 つの公開データセットでの実験結果は、当社の SR-LIO が精度に関して既存のすべての最先端の手法よりも優れていることを示しており、提案されたスイープ再構成による反復状態更新の時間間隔を短縮することで、推定状態の精度と頻度を向上させることができます。
SR-LIO のソース コードは、コミュニティの開発のために公開されています。

要約(オリジナル)

This paper proposes a novel LiDAR-Inertial odometry (LIO), named SR-LIO, based on an iterated extended Kalman filter (iEKF) framework. We adapt the sweep reconstruction method, which segments and reconstructs raw input sweeps from spinning LiDAR to obtain reconstructed sweeps with higher frequency. We found that such method can effectively reduce the time interval for each iterated state update, improving the state estimation accuracy and enabling the usage of iEKF framework for fusing high-frequency IMU and low-frequency LiDAR. To prevent inaccurate trajectory caused by multiple distortion correction to a particular point, we further propose to perform distortion correction for each segment. Experimental results on four public datasets demonstrate that our SR-LIO outperforms all existing state-of-the-art methods on accuracy, and reducing the time interval of iterated state update via the proposed sweep reconstruction can improve the accuracy and frequency of estimated states. The source code of SR-LIO is publicly available for the development of the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google