SLIM: Scalable and Lightweight LiDAR Mapping in Urban Environments

要約

LiDAR 点群マップは、その高い一貫性により、ロボットのナビゲーションのために道路で広く利用されています。
ただし、高密度点群は、メモリ消費量が多く、長期運用の保守性が低下するという課題に直面しています。
この研究では、都市環境における長期 LiDAR マッピングのためのスケーラブルで軽量なマッピング システムである SLIM を紹介します。
システムは、構造点群を線と平面にパラメータ化することから始まります。
これらの軽量で構造的な表現は、マップの結合、ポーズ グラフの最適化、バンドル調整の要件を満たし、増分管理とローカルの一貫性を保証します。
長期的な運用のために、マップ中心の非線形因子回復手法は、マッピングの精度を維持しながらポーズをスパース化するように設計されています。
KITTI、NCLT、HeLiPR などの古典的な LiDAR マッピング データセットからのマルチセッションの実世界 LiDAR データを使用して SLIM システムを検証します。
この実験では、マッピングの精度、軽量性、拡張性における機能を実証しています。
地図の再利用は、地図ベースのロボットの位置特定によっても検証されます。
最終的に、SLIM システムは、マルチセッションの LiDAR データを使用して、低メモリ消費 (130 KB/km) でグローバルに一貫したマップを提供します。
コミュニティに利益をもたらすために、私たちはコードをオープンソースにしました。

要約(オリジナル)

LiDAR point cloud maps are extensively utilized on roads for robot navigation due to their high consistency. However, dense point clouds face challenges of high memory consumption and reduced maintainability for long-term operations. In this study, we introduce SLIM, a scalable and lightweight mapping system for long-term LiDAR mapping in urban environments. The system begins by parameterizing structural point clouds into lines and planes. These lightweight and structural representations meet the requirements of map merging, pose graph optimization, and bundle adjustment, ensuring incremental management and local consistency. For long-term operations, a map-centric nonlinear factor recovery method is designed to sparsify poses while preserving mapping accuracy. We validate the SLIM system with multi-session real-world LiDAR data from classical LiDAR mapping datasets, including KITTI, NCLT, and HeLiPR. The experiments demonstrate its capabilities in mapping accuracy, lightweightness, and scalability. Map re-use is also verified through map-based robot localization. Ultimately, with multi-session LiDAR data, the SLIM system provides a globally consistent map with low memory consumption (130 KB/km). We have made our code open-source to benefit the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google