HDA-LVIO: A High-Precision LiDAR-Visual-Inertial Odometry in Urban Environments with Hybrid Data Association

要約

都市環境での位置特定精度を向上させるために、ハイブリッド データ アソシエーションを採用することで、HDA-LVIO と呼ばれる革新的な LiDAR-ビジュアル-慣性オドメトリが提案されています。
提案された HDA_LVIO システムは、LiDAR 慣性サブシステム (LIS) と視覚慣性サブシステム (VIS) の 2 つのサブシステムに分割できます。
LIS では、LiDAR 点群を利用して反復最近接点 (ICP) 誤差が計算され、グローバル マップを構築するためのエラー状態反復カルマン フィルター (ESIKF) の測定値として機能します。
VIS では、まず増分法を使用して、グローバル マップから平面を適応的に抽出します。
そして、これらの平面の重心を画像上に投影して投影点を取得します。
次に、画像から特徴点が抽出され、Lucas-Kanade (LK) オプティカル フローを使用して投影点とともに追跡されます。
次に、以前の間隔の車両状態を利用して、スライディング ウィンドウの最適化を実行して、特徴点の深さを推定します。
同時に、特徴点の追跡失敗に対処するためにエピポーラ幾何制約に基づく方法が提案されており、スライディング ウィンドウ内で十分な視差を確保することで特徴点の奥行き推定の精度を向上させることができます。
その後、特徴点と投影点をハイブリッドに対応付けて再投影誤差を構築し、これをESIKFの計測値として車両状態を推定します。
最後に、提案された HDA-LVIO の位置特定精度が、公開データセットと当社の機器からのデータを使用して検証されます。
結果は、提案されたアルゴリズムがさまざまな既存のアルゴリズムと比較して位置特定精度の明らかに向上を達成することを示しています。

要約(オリジナル)

To enhance localization accuracy in urban environments, an innovative LiDAR-Visual-Inertial odometry, named HDA-LVIO, is proposed by employing hybrid data association. The proposed HDA_LVIO system can be divided into two subsystems: the LiDAR-Inertial subsystem (LIS) and the Visual-Inertial subsystem (VIS). In the LIS, the LiDAR pointcloud is utilized to calculate the Iterative Closest Point (ICP) error, serving as the measurement value of Error State Iterated Kalman Filter (ESIKF) to construct the global map. In the VIS, an incremental method is firstly employed to adaptively extract planes from the global map. And the centroids of these planes are projected onto the image to obtain projection points. Then, feature points are extracted from the image and tracked along with projection points using Lucas-Kanade (LK) optical flow. Next, leveraging the vehicle states from previous intervals, sliding window optimization is performed to estimate the depth of feature points. Concurrently, a method based on epipolar geometric constraints is proposed to address tracking failures for feature points, which can improve the accuracy of depth estimation for feature points by ensuring sufficient parallax within the sliding window. Subsequently, the feature points and projection points are hybridly associated to construct reprojection error, serving as the measurement value of ESIKF to estimate vehicle states. Finally, the localization accuracy of the proposed HDA-LVIO is validated using public datasets and data from our equipment. The results demonstrate that the proposed algorithm achieves obviously improvement in localization accuracy compared to various existing algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google