SLAM2REF: Advancing Long-Term Mapping with 3D LiDAR and Reference Map Integration for Precise 6-DoF Trajectory Estimation and Map Extension

要約

この論文では、モバイル 3D LiDAR および慣性測定装置 (IMU) データを既存の建物情報モデルまたは点群と統合するタスクに対する先駆的なソリューションを紹介します。これは、屋内の GPS が拒否された環境で正確な長期位置特定とマッピングを達成するために重要です。
。
私たちが提案するフレームワーク SLAM2REF は、参照 3D マップを利用した自動位置合わせとマップ拡張のための新しいアプローチを導入しています。
この方法論は、新しい記述子と登録方法論を統合する、洗練されたマルチセッション アンカリング技術によってサポートされています。
実際の実験では、現在の最先端の方法を上回る、フレームワークの驚くべき堅牢性と精度が明らかになりました。
当社のオープンソース フレームワークの重要性は、復元力のある地図データ管理に貢献し、建設現場の監視、緊急対応、災害管理など、さまざまな分野にわたるプロセスを強化することにあります。そこでは、高速更新されるデジタル 3D 地図がより良い意思決定と、
生産性。
さらに、位置特定とマッピングの研究も進歩します。
リポジトリへのリンク: https://github.com/MigVega/SLAM2REF、データ: https://doi.org/10.14459/2024mp1743877。

要約(オリジナル)

This paper presents a pioneering solution to the task of integrating mobile 3D LiDAR and inertial measurement unit (IMU) data with existing building information models or point clouds, which is crucial for achieving precise long-term localization and mapping in indoor, GPS-denied environments. Our proposed framework, SLAM2REF, introduces a novel approach for automatic alignment and map extension utilizing reference 3D maps. The methodology is supported by a sophisticated multi-session anchoring technique, which integrates novel descriptors and registration methodologies. Real-world experiments reveal the framework’s remarkable robustness and accuracy, surpassing current state-of-the-art methods. Our open-source framework’s significance lies in its contribution to resilient map data management, enhancing processes across diverse sectors such as construction site monitoring, emergency response, disaster management, and others, where fast-updated digital 3D maps contribute to better decision-making and productivity. Moreover, it offers advancements in localization and mapping research. Link to the repository: https://github.com/MigVega/SLAM2REF, Data: https://doi.org/10.14459/2024mp1743877.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google