I2EKF-LO: A Dual-Iteration Extended Kalman Filter Based LiDAR Odometry

要約

LiDAR オドメトリは、自動運転および自律移動ロボット工学の分野において極めて重要なテクノロジーです。
しかし、現在の研究のほとんどは非線形最適化手法に焦点を当てており、問題に取り組むために従来の反復拡張カルマン フィルター (IEKF) フレームワークを使用する際には依然として多くの課題が存在します。IEKF は観測方程式を反復するだけであり、観測方程式の大まかな推定に依存しています。
初期状態では、入力点群の動きの歪みを完全に除去するには不十分です。
システムプロセスノイズは、複雑な動きの状態推定中に決定することが困難です。
そして、さまざまなセンサーキャリアにわたるさまざまなモーションモデル。
これらの問題に対処するために、デュアル反復拡張カルマン フィルター (I2EKF) と I2EKF に基づく LiDAR オドメトリ (I2EKF-LO) を提案します。
このアプローチは、観測方程式を反復するだけでなく、状態更新を活用して、LiDAR 点群の動きの歪みを反復的に軽減します。
さらに、状態推定中に事前の予測の信頼レベルに基づいてプロセス ノイズを動的に調整し、さまざまなセンサー キャリアの運動モデルを確立して、正確かつ効率的な状態推定を実現します。
包括的な実験により、I2EKF-LO が LiDAR オドメトリの領域で優れたレベルの精度と計算効率を達成することが実証されました。
さらに、コミュニティ開発を促進するために、コードはオープンソース化されています。https://github.com/YWL0720/I2EKF-LO。

要約(オリジナル)

LiDAR odometry is a pivotal technology in the fields of autonomous driving and autonomous mobile robotics. However, most of the current works focus on nonlinear optimization methods, and still existing many challenges in using the traditional Iterative Extended Kalman Filter (IEKF) framework to tackle the problem: IEKF only iterates over the observation equation, relying on a rough estimate of the initial state, which is insufficient to fully eliminate motion distortion in the input point cloud; the system process noise is difficult to be determined during state estimation of the complex motions; and the varying motion models across different sensor carriers. To address these issues, we propose the Dual-Iteration Extended Kalman Filter (I2EKF) and the LiDAR odometry based on I2EKF (I2EKF-LO). This approach not only iterates over the observation equation but also leverages state updates to iteratively mitigate motion distortion in LiDAR point clouds. Moreover, it dynamically adjusts process noise based on the confidence level of prior predictions during state estimation and establishes motion models for different sensor carriers to achieve accurate and efficient state estimation. Comprehensive experiments demonstrate that I2EKF-LO achieves outstanding levels of accuracy and computational efficiency in the realm of LiDAR odometry. Additionally, to foster community development, our code is open-sourced.https://github.com/YWL0720/I2EKF-LO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google