GRIL-Calib: Targetless Ground Robot IMU-LiDAR Extrinsic Calibration Method using Ground Plane Motion Constraints

要約

IMU-LiDAR 融合システムの重要性が高まるにつれて、ターゲットレス IMU-LiDAR 外部校正方法が大きな注目を集めています。
特に、既存の校正方法は、すべての軸でフルモーションが必要であるという仮定の下で校正パラメータを導出しています。
IMU と LiDAR が平面運動に制限されている地上ロボットに搭載されている場合、既存の校正方法ではパフォーマンスが低下する可能性があります。
この問題に対処するために、我々は、新しいターゲットレス地上ロボット IMU-LiDAR キャリブレーション方法である GRIL-Calib を紹介します。
私たちが提案する方法は、地面情報を活用して、無制限のフルモーションの欠如を補います。
まず、キャリブレーション精度を向上させるために、グランドプレーン残差を使用した LiDAR オドメトリ (LO) を提案します。
2 番目に、Ground Plane Motion (GPM) 制約を提案し、それをキャリブレーションの最適化に組み込み、理論的に観測できない方向を含む完全な 6-DoF 外部パラメーターの決定を可能にします。
最後に、ベースライン手法とは異なり、キャリブレーションを連続した 2 つの最適化としてではなく、単一の最適化 (SO) 問題として定式化し、すべてのキャリブレーション パラメーターを同時に解決し、精度を向上させます。
GRIL-Calib をさまざまな現実世界のデータセットに適用し、精度と堅牢性の点で既存の最先端の手法とそのパフォーマンスを比較することで、GRIL-Calib を検証します。
私たちのコードは https://github.com/Taeyoung96/GRIL-Calib で入手できます。

要約(オリジナル)

Targetless IMU-LiDAR extrinsic calibration methods are gaining significant attention as the importance of the IMU-LiDAR fusion system increases. Notably, existing calibration methods derive calibration parameters under the assumption that the methods require full motion in all axes. When IMU and LiDAR are mounted on a ground robot the motion of which is restricted to planar motion, existing calibration methods are likely to exhibit degraded performance. To address this issue, we present GRIL-Calib: a novel targetless Ground Robot IMU-LiDAR Calibration method. Our proposed method leverages ground information to compensate for the lack of unrestricted full motion. First, we propose LiDAR Odometry (LO) using ground plane residuals to enhance calibration accuracy. Second, we propose the Ground Plane Motion (GPM) constraint and incorporate it into the optimization for calibration, enabling the determination of full 6-DoF extrinsic parameters, including theoretically unobservable direction. Finally, unlike baseline methods, we formulate the calibration not as sequential two optimizations but as a single optimization (SO) problem, solving all calibration parameters simultaneously and improving accuracy. We validate our GRIL-Calib by applying it to various real-world datasets and comparing its performance with that of existing state-of-the-art methods in terms of accuracy and robustness. Our code is available at https://github.com/Taeyoung96/GRIL-Calib.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google