LIWO: Lidar-Inertial-Wheel Odometry

要約

LiDAR 慣性オドメトリ (LIO) は、LiDAR と慣性計測ユニット (IMU) の相補的な情報を融合するもので、状態推定のための魅力的なソリューションです。
LIO では、姿勢と速度の両方が、解決する必要がある状態変数とみなされます。
ただし、広く使用されている反復最近接点 (ICP) アルゴリズムは姿勢の制約のみを提供でき、速度は IMU の事前積分によってのみ制約できます。
その結果、速度推定値は姿勢結果に応じて更新される傾向がありました。
この論文では、バンドル調整 (BA) ベースの最適化フレームワークで LiDAR、IMU、ホイール エンコーダーからの測定を融合する、正確かつ堅牢な LiDAR 慣性ホイール (LIW) オドメトリである LIWO を提案します。
ホイールエンコーダの関与により、重要な観察として速度測定が提供され、LIO がより正確な状態予測を提供するのに役立ちます。
また、最適化においてホイールエンコーダからの観測により速度変数を制約することにより、状態推定の精度をさらに向上させることができる。
2 つの公開データセットでの実験結果は、絶対軌道誤差 (ATE) が小さいという点で、当社のシステムがすべての最先端の LIO システムよりも優れていること、およびホイール エンコーダーを組み込むことで BA フレームワークに基づく LIO のパフォーマンスを大幅に向上できることを示しています。

要約(オリジナル)

LiDAR-inertial odometry (LIO), which fuses complementary information of a LiDAR and an Inertial Measurement Unit (IMU), is an attractive solution for state estimation. In LIO, both pose and velocity are regarded as state variables that need to be solved. However, the widely-used Iterative Closest Point (ICP) algorithm can only provide constraint for pose, while the velocity can only be constrained by IMU pre-integration. As a result, the velocity estimates inclined to be updated accordingly with the pose results. In this paper, we propose LIWO, an accurate and robust LiDAR-inertialwheel (LIW) odometry, which fuses the measurements from LiDAR, IMU and wheel encoder in a bundle adjustment (BA) based optimization framework. The involvement of a wheel encoder could provide velocity measurement as an important observation, which assists LIO to provide a more accurate state prediction. In addition, constraining the velocity variable by the observation from wheel encoder in optimization can further improve the accuracy of state estimation. Experiment results on two public datasets demonstrate that our system outperforms all state-of-the-art LIO systems in terms of smaller absolute trajectory error (ATE), and embedding a wheel encoder can greatly improve the performance of LIO based on the BA framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google