MS-Mapping: Multi-session LiDAR Mapping with Wasserstein-based Keyframe Selection

要約

大規模なマルチセッション LiDAR マッピングはさまざまなアプリケーションにとって重要ですが、データの冗長性、メモリ消費、効率の面で依然として大きな課題に直面しています。
このペーパーでは、大規模環境で効率的なマップの組み立てを可能にする増分マッピング スキームを組み込んだ新しいマルチセッション LiDAR マッピング システムである MS-Mapping について説明します。
膨大な量の点群データによって引き起こされるデータの冗長性に対処し、グラフの最適化効率を向上させるために、Wasserstein 距離に基づくリアルタイムのキーフレーム選択方法を導入します。
私たちのアプローチは、ガウス混合モデル (GMM) に基づく類似性法を使用して LiDAR 点群キーフレーム選択問題を定式化し、増分ボクセル更新法を採用することでリアルタイムの課題に対処します。
コミュニティでのさらなる研究と開発を促進するために、コード\脚注{https://github.com/JokerJohn/MS-Mapping}とデータセットを公開します。

要約(オリジナル)

Large-scale multi-session LiDAR mapping is crucial for various applications but still faces significant challenges in data redundancy, memory consumption, and efficiency. This paper presents MS-Mapping, a novel multi-session LiDAR mapping system that incorporates an incremental mapping scheme to enable efficient map assembly in large-scale environments. To address the data redundancy and improve graph optimization efficiency caused by the vast amount of point cloud data, we introduce a real-time keyframe selection method based on the Wasserstein distance. Our approach formulates the LiDAR point cloud keyframe selection problem using a similarity method based on Gaussian mixture models (GMM) and addresses the real-time challenge by employing an incremental voxel update method. To facilitate further research and development in the community, we make our code\footnote{https://github.com/JokerJohn/MS-Mapping} and datasets publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google