LVBA: LiDAR-Visual Bundle Adjustment for RGB Point Cloud Mapping

要約

正確な色の点群マップは、ロボット工学やマッピング アプリケーションにおいて非常に重要です。
RGB カラー化マップを作成するための既存のアプローチは、主にフィルターベースの推定やスライディング ウィンドウの最適化を使用したリアルタイムの位置特定に基づいており、精度やグローバルな一貫性が欠けている可能性があります。
この作業では、LVBA という名前の新しいグローバル LiDAR ビジュアル バンドル調整 (BA) を導入し、既存のベースラインを超えて RGB 点群マッピングの品質を向上させます。
LVBA は、まずグローバル LiDAR BA を介して LiDAR ポーズを最適化し、続いてカメラ ポーズを最適化するために LiDAR 点群からの平面特徴を組み込んだ測光ビジュアル BA を実行します。
さらに、最適化問題を構築する際のマップ ポイント オクルージョンの課題に対処するために、LVBA に新しい LiDAR 支援のグローバル ビジビリティ アルゴリズムを実装しました。
LVBA の有効性を評価するために、そのマッピング品質を既存の最先端のベースライン (つまり、R$^3$LIVE および FAST-LIVO) と比較することにより、広範な実験を実施しました。
私たちの結果は、LVBA が高忠実度で正確な RGB 点群マップを適切に再構築でき、同等の製品よりも優れたパフォーマンスを発揮できることを証明しています。

要約(オリジナル)

Point cloud maps with accurate color are crucial in robotics and mapping applications. Existing approaches for producing RGB-colorized maps are primarily based on real-time localization using filter-based estimation or sliding window optimization, which may lack accuracy and global consistency. In this work, we introduce a novel global LiDAR-Visual bundle adjustment (BA) named LVBA to improve the quality of RGB point cloud mapping beyond existing baselines. LVBA first optimizes LiDAR poses via a global LiDAR BA, followed by a photometric visual BA incorporating planar features from the LiDAR point cloud for camera pose optimization. Additionally, to address the challenge of map point occlusions in constructing optimization problems, we implement a novel LiDAR-assisted global visibility algorithm in LVBA. To evaluate the effectiveness of LVBA, we conducted extensive experiments by comparing its mapping quality against existing state-of-the-art baselines (i.e., R$^3$LIVE and FAST-LIVO). Our results prove that LVBA can proficiently reconstruct high-fidelity, accurate RGB point cloud maps, outperforming its counterparts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google