LiDAR-Inertial Odometry Based on Extended Kalman Filter

要約

LiDAR-慣性オドメトリ（LIO）は、LiDARとIMU測定の両方からの残差をシームレスに統合することができるため、しばしばファクターグラフが採用され、一般的に最適化ベースのアプローチを用いて実装されます。逆に、最近の研究では、疎結合法を用いても正確なLIOを達成できることが実証されています。この進歩に触発され、我々は拡張カルマンフィルタ（EKF）を介して解かれる再帰的ベイズフィルタを活用した新しいLIO手法を発表します。LIO-EKFでは、LiDARとローカルマップの点群間のIMU事前統合とスキャンマッチングを用いて事前分布と尤度分布が計算され、姿勢、速度、IMUバイアスがEKFプロセスを通じて更新される。Newer Collegeデータセットを用いた実験を通して、LIO-EKFが正確な軌道追跡とマッピングを達成することを実証する。その精度は、密結合手法と疎結合手法の両方において、最先端の手法に匹敵する。

要約(オリジナル)

LiDAR-Inertial Odometry (LIO) is typically implemented using an optimization-based approach, with the factor graph often being employed due to its capability to seamlessly integrate residuals from both LiDAR and IMU measurements. Conversely, a recent study has demonstrated that accurate LIO can also be achieved using a loosely-coupled method. Inspired by this advancements, we present a novel LIO method that leverages the recursive Bayes filter, solved via the Extended Kalman Filter (EKF) – herein referred to as LIO-EKF. Within LIO-EKF, prior and likelihood distributions are computed using IMU preintegration and scan matching between LiDAR and local map point clouds, and the pose, velocity, and IMU biases are updated through the EKF process. Through experiments with the Newer College dataset, we demonstrate that LIO-EKF achieves precise trajectory tracking and mapping. Its accuracy is comparable to that of the state-of-the-art methods in both tightly- and loosely-coupled methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL