DualQuat-LOAM: LiDAR Odometry and Mapping parametrized on Dual Quaternions

要約

この論文では、デュアル四元数を使用してシステムを完全にパラメータ化する、LiDAR オドメトリ推定の新しい方法について報告します。
これを達成するために、エッジ、サーフェス、Stable Triangle Descriptor (STD) などの点群から派生した特徴と、最適化問題がデュアル四元数セットで表現されます。
このアプローチは、他の最先端の方法との比較実験で実証されているように、デュアル四元数演算を介して変換エラーと方向エラーを直接組み合わせることができ、姿勢推定を大幅に強化します。
私たちのアプローチは、特に急なカーブや大きな角度変位を伴う積極的な動きを伴うシナリオで、他の LiDAR のみのオドメトリ方法と比較してドリフト誤差を削減しました。
DualQuat-LOAM は、いくつかの公開データセットに対してベンチマークが行われます。
KITTI データセットでは、平行移動と回転の誤差は 0.79%、0.0039{\deg}/m で、平均実行時間は 53 ミリ秒です。

要約(オリジナル)

This paper reports on a novel method for LiDAR odometry estimation, which completely parameterizes the system with dual quaternions. To accomplish this, the features derived from the point cloud, including edges, surfaces, and Stable Triangle Descriptor (STD), along with the optimization problem, are expressed in the dual quaternion set. This approach enables the direct combination of translation and orientation errors via dual quaternion operations, greatly enhancing pose estimation, as demonstrated in comparative experiments against other state-of-the-art methods. Our approach reduced drift error compared to other LiDAR-only-odometry methods, especially in scenarios with sharp curves and aggressive movements with large angular displacement. DualQuat-LOAM is benchmarked against several public datasets. In the KITTI dataset it has a translation and rotation error of 0.79% and 0.0039{\deg}/m, with an average run time of 53 ms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google