A flexible framework for accurate LiDAR odometry, map manipulation, and localization

要約

LiDAR ベースの SLAM は、自動運転車やロボットの中核となるテクノロジーです。
この分野では熱心な研究活動が行われているにもかかわらず、提案されている各システムは、特定のセンサー後処理パイプラインと単一のマップ表現形式を使用しています。
現在の研究は、3D LiDAR SLAM とローカライゼーションに革命的な視点を導入することを目的としています。(1) ビューベースのマップをマップの基本的な表現 (「シンプルマップ」) として使用し、その後、任意のメトリック マップを生成するために使用できます。
特定のタスク向けに最適化されています。
(2) コーディングなしでマッピング パイプラインを定義できる新しいフレームワークを導入することで、深層学習ネットワークが標準化された要素の層を接続して設計されるのと同じように、再利用可能なブロックのネットワークの接続を定義します。
さらに、ICP ループ内で最適化される変数として現在の線形速度ベクトルと角速度ベクトルを含めるというアイデアも導入されており、IMU なしで激しい動きプロファイルに対する優れたロバスト性を実現します。
ROS 2 にリリースされたオープンソース エコシステムには、データ取得から地図編集と視覚化、リアルタイム位置特定、ループ閉鎖検出、または消費者向け GNSS 受信機からの地図地理参照までをカバーするツールと事前構築されたパイプラインが含まれています。
広範な実験検証により、この提案が以前の最先端 (SOTA) LiDAR オドメトリ システムと比較して優れている、またはそれを改善していると同時に、他のシーケンスが分岐するいくつかのハード シーケンスのマッピングにも成功していることが明らかになりました。
提案された自己適応構成は、パラメータを変更することなく、16 ～ 128 リングのセンサーを備えたすべての 3D LiDAR データセットに使用され、250 km 以上の自動車、手持ち式、航空機、および四脚式 LiDAR にわたる 83 シーケンスで広範囲にテストされました。
屋内と屋外の両方のデータセット。
オープンソースの実装は、https://github.com/MOLAorg/mola からオンラインで入手できます。

要約(オリジナル)

LiDAR-based SLAM is a core technology for autonomous vehicles and robots. Despite the intense research activity in this field, each proposed system uses a particular sensor post-processing pipeline and a single map representation format. The present work aims at introducing a revolutionary point of view for 3D LiDAR SLAM and localization: (1) using view-based maps as the fundamental representation of maps (‘simple-maps’), which can then be used to generate arbitrary metric maps optimized for particular tasks; and (2) by introducing a new framework in which mapping pipelines can be defined without coding, defining the connections of a network of reusable blocks much like deep-learning networks are designed by connecting layers of standardized elements. Moreover, the idea of including the current linear and angular velocity vectors as variables to be optimized within the ICP loop is also introduced, leading to superior robustness against aggressive motion profiles without an IMU. The presented open-source ecosystem, released to ROS 2, includes tools and prebuilt pipelines covering all the way from data acquisition to map editing and visualization, real-time localization, loop-closure detection, or map georeferencing from consumer-grade GNSS receivers. Extensive experimental validation reveals that the proposal compares well to, or improves, former state-of-the-art (SOTA) LiDAR odometry systems, while also successfully mapping some hard sequences where others diverge. A proposed self-adaptive configuration has been used, without parameter changes, for all 3D LiDAR datasets with sensors between 16 and 128 rings, extensively tested on 83 sequences over more than 250~km of automotive, hand-held, airborne, and quadruped LiDAR datasets, both indoors and outdoors. The open-sourced implementation is available online at https://github.com/MOLAorg/mola

arxiv情報

提供元, 利用サービス

arxiv.jp, Google