LiVisSfM: Accurate and Robust Structure-from-Motion with LiDAR and Visual Cues

要約

この論文では、LiVisSfM という名前の正確かつ堅牢な Structure-from-Motion (SfM) パイプラインについて説明します。これは、LiDAR と視覚的手がかりを完全に組み合わせた SfM ベースの再構築システムです。
既存のほとんどの LiDAR 慣性オドメトリ (LIO) および LiDAR 慣性ビジュアル オドメトリ (LIVO) 方法とは異なり、慣性測定ユニット (IMU) と組み合わせた LiDAR 登録に大きく依存しています。当社は、LiDAR フレーム登録を革新的に実行する LiDAR ビジュアル SfM 方法を提案します。
ポイントツーガウス残差メトリクスでの LiDAR ボクセル マップと、バンドル最適化方法での LiDAR ビジュアル BA および明示的なループ クロージャを組み合わせて、IMU の組み込みに依存せずに正確で堅牢な LiDAR 姿勢推定を実現します。
さらに、LiDAR フレーム登録および LiDAR ビジュアル BA 最適化のプロセス中に効率的にボクセル マップを更新するための増分ボクセル更新戦略を提案します。
実験では、最先端の LIO および LIVO よりも優れた LiVisSfM フレームワークの有効性が実証されており、公開 KITTI ベンチマークとさまざまな自己取得データセットの両方のより正確かつ堅牢な LiDAR 姿勢回復と高密度点群再構築に取り組んでいます。

要約(オリジナル)

This paper presents an accurate and robust Structure-from-Motion (SfM) pipeline named LiVisSfM, which is an SfM-based reconstruction system that fully combines LiDAR and visual cues. Unlike most existing LiDAR-inertial odometry (LIO) and LiDAR-inertial-visual odometry (LIVO) methods relying heavily on LiDAR registration coupled with Inertial Measurement Unit (IMU), we propose a LiDAR-visual SfM method which innovatively carries out LiDAR frame registration to LiDAR voxel map in a Point-to-Gaussian residual metrics, combined with a LiDAR-visual BA and explicit loop closure in a bundle optimization way to achieve accurate and robust LiDAR pose estimation without dependence on IMU incorporation. Besides, we propose an incremental voxel updating strategy for efficient voxel map updating during the process of LiDAR frame registration and LiDAR-visual BA optimization. Experiments demonstrate the superior effectiveness of our LiVisSfM framework over state-of-the-art LIO and LIVO works on more accurate and robust LiDAR pose recovery and dense point cloud reconstruction of both public KITTI benchmark and a variety of self-captured dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google