HCTO: Optimality-Aware LiDAR Inertial Odometry with Hybrid Continuous Time Optimization for Compact Wearable Mapping System

要約

コンパクトなウェアラブル マッピング システム (WMS) は、さまざまな用途での利便性により大きな注目を集めています。
具体的には、複雑な環境での 3D 構造検査やロボットベースの「ラストマイル配送」のために以前のマップを収集する効率的な方法を提供します。
ただし、人間の動きの振動や複雑な環境における点群フィーチャの不均一な分布は急速なドリフトを引き起こすことが多く、これは既存の LiDAR 慣性オドメトリ (LIO) 手法を低コスト WMS に適用する場合に蔓延する問題です。
これらの制限に対処するために、我々は、LIDAR 対応の最適性を考慮したハイブリッド連続時間最適化 (HCTO) に基づく WMS 用の新しい LIO を提案します。
まず、HCTO は、生の IMU 測定値を分析することにより、人間の動きのパターン (高周波部分、低周波部分、および等速部分) を認識します。
第 2 に、HCTO はさまざまな運動状態に応じてハイブリッド IMU 係数を構築します。これにより、IMU 測定における振動誘発ノイズに対するロバストかつ正確な推定が可能になります。
3 番目に、最適な設計を使用して最適なポイント対応が選択され、リアルタイム パフォーマンスとより優れたオドメトリ精度が実現されます。
私たちは、システムのパフォーマンスを評価するためにヘッドマウント WMS データセットで実験を実施し、最先端の方法と比べて大きな利点があることを実証しています。
実験のビデオ録画は、HCTO のプロジェクト ページ \href{https://github.com/kafeiyin00/HCTO}{https://github.com/kafeiyin00/HCTO} でご覧いただけます。

要約(オリジナル)

Compact wearable mapping system (WMS) has gained significant attention due to their convenience in various applications. Specifically, it provides an efficient way to collect prior maps for 3D structure inspection and robot-based ‘last-mile delivery’ in complex environments. However, vibrations in human motion and the uneven distribution of point cloud features in complex environments often lead to rapid drift, which is a prevalent issue when applying existing LiDAR Inertial Odometry (LIO) methods on low-cost WMS. To address these limitations, we propose a novel LIO for WMSs based on Hybrid Continuous Time Optimization (HCTO) considering the optimality of Lidar correspondences. First, HCTO recognizes patterns in human motion (high-frequency part, low-frequency part, and constant velocity part) by analyzing raw IMU measurements. Second, HCTO constructs hybrid IMU factors according to different motion states, which enables robust and accurate estimation against vibration-induced noise in the IMU measurements. Third, the best point correspondences are selected using optimal design to achieve real-time performance and better odometry accuracy. We conduct experiments on head-mounted WMS datasets to evaluate the performance of our system, demonstrating significant advantages over state-of-the-art methods. Video recordings of experiments can be found on the project page of HCTO: \href{https://github.com/kafeiyin00/HCTO}{https://github.com/kafeiyin00/HCTO}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google