GLIM: 3D Range-Inertial Localization and Mapping with GPU-Accelerated Scan Matching Factors

要約

この記事では、GPU アクセラレーションによるスキャン マッチング要素を備えた 3D 距離慣性位置特定およびマッピング フレームワークである GLIM について説明します。
GLIM のオドメトリ推定モジュールは、固定ラグ スムージングとキーフレーム ベースの点群マッチングの組み合わせを採用しており、これにより、軌道推定ドリフトを効率的に低減しながら、完全に縮退した数秒間の距離データを処理することが可能になります。
また、安定性と精度をさらに向上させるために、密接に結合された方法でマルチカメラの視覚機能の制約も組み込まれています。
グローバル軌道最適化モジュールは、マップ全体にわたるサブマップ間の位置合わせエラーを直接最小限に抑えます。
このアプローチにより、オーバーラップが小さいサブマップ間の相対姿勢を正確に制約することができます。
オドメトリ推定アルゴリズムとグローバル軌道最適化アルゴリズムは両方とも、既存の方法よりも多くの計算を必要としますが、位置合わせエラー評価アルゴリズムとシステム全体が GPU 並列処理を最大限に活用するように慎重に設計されているため、リアルタイムで実行できることを示します。
。

要約(オリジナル)

This article presents GLIM, a 3D range-inertial localization and mapping framework with GPU-accelerated scan matching factors. The odometry estimation module of GLIM employs a combination of fixed-lag smoothing and keyframe-based point cloud matching that makes it possible to deal with a few seconds of completely degenerated range data while efficiently reducing trajectory estimation drift. It also incorporates multi-camera visual feature constraints in a tightly coupled way to further improve the stability and accuracy. The global trajectory optimization module directly minimizes the registration errors between submaps over the entire map. This approach enables us to accurately constrain the relative pose between submaps with a small overlap. Although both the odometry estimation and global trajectory optimization algorithms require much more computation than existing methods, we show that they can be run in real-time due to the careful design of the registration error evaluation algorithm and the entire system to fully leverage GPU parallel processing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google