Eigen Is All You Need: Efficient Lidar-Inertial Continuous-Time Odometry with Internal Association

要約

この論文では、2 つの主要な洞察を促進する、SLICT2 という名前の連続時間 LIDAR-慣性オドメトリ (CT-LIO) システムを提案します。
1 つは、従来の常識に反して、CT-LIO アルゴリズムは線形ソルバーによってわずか数回の反復で最適化でき、一般的に使用される非線形ソルバーよりも効率的です。
2 つ目は、CT-LIO は反復回数よりも正しい関連付けの方がメリットが大きいということです。
これらの考えに基づいて、カスタマイズされたソルバーを使用してメソッドを実装します。このソルバーでは、各増分ステップの直後に特徴関連付けプロセスが実行され、解は数回の反復内で収束します。
私たちの実装では、高密度の制御ポイントでリアルタイム パフォーマンスを達成しながら、非常に動的なモーション シナリオで競争力のあるパフォーマンスを実現できます。
他の既存の最先端の CT-LIO 手法と比較することで、この手法の利点を実証します。
ソースコードはコミュニティの利益のためにリリースされます。

要約(オリジナル)

In this paper, we propose a continuous-time lidar-inertial odometry (CT-LIO) system named SLICT2, which promotes two main insights. One, contrary to conventional wisdom, CT-LIO algorithm can be optimized by linear solvers in only a few iterations, which is more efficient than commonly used nonlinear solvers. Two, CT-LIO benefits more from the correct association than the number of iterations. Based on these ideas, we implement our method with a customized solver where the feature association process is performed immediately after each incremental step, and the solution can converge within a few iterations. Our implementation can achieve real-time performance with a high density of control points while yielding competitive performance in highly dynamical motion scenarios. We demonstrate the advantages of our method by comparing with other existing state-of-the-art CT-LIO methods. The source code will be released for the benefit of the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google