CoFi: Coarse-to-Fine ICP for LiDAR Localization in an Efficient Long-lasting Point Cloud Map

要約

近年、LiDAR のオドメトリと位置特定に対する研究の関心が高まっています。
既存の研究では、反復最近点 (ICP) が正確で効率的であるため、広く使用されています。
ただし、その非凸性と局所反復戦略により、ICP ベースの手法は局所最適化に陥りやすく、そのため正確な初期化が必要になります。
この論文では、LiDAR 位置特定のための Coarse-to-Fine ICP アルゴリズムである CoFi を提案します。
具体的には、提案されたアルゴリズムは、複数のボクセル解像度の下で入力点セットをダウンサンプリングし、粗い点セットから細かい点セットへの変換を段階的に改良します。
さらに、LiDAR フレームから意味特徴点を抽出し、CoFi を適用して効率的な点群マップ上の姿勢を推定する、マップベースの LiDAR 位置推定アルゴリズムを提案します。
LiDAR スキャン セマンティック セグメンテーション用の Cylinder3D アルゴリズムの助けを借りて、提案された CoFi 位置特定アルゴリズムは、KITTI オドメトリ ベンチマークで最先端のパフォーマンスを実証し、文献を大幅に改善しました。

要約(オリジナル)

LiDAR odometry and localization has attracted increasing research interest in recent years. In the existing works, iterative closest point (ICP) is widely used since it is precise and efficient. Due to its non-convexity and its local iterative strategy, however, ICP-based method easily falls into local optima, which in turn calls for a precise initialization. In this paper, we propose CoFi, a Coarse-to-Fine ICP algorithm for LiDAR localization. Specifically, the proposed algorithm down-samples the input point sets under multiple voxel resolution, and gradually refines the transformation from the coarse point sets to the fine-grained point sets. In addition, we propose a map based LiDAR localization algorithm that extracts semantic feature points from the LiDAR frames and apply CoFi to estimate the pose on an efficient point cloud map. With the help of the Cylinder3D algorithm for LiDAR scan semantic segmentation, the proposed CoFi localization algorithm demonstrates the state-of-the-art performance on the KITTI odometry benchmark, with significant improvement over the literature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google