GenZ-ICP: Generalizable and Degeneracy-Robust LiDAR Odometry Using an Adaptive Weighting

要約

光検出測距 (LiDAR) ベースのオドメトリは、高精度の距離測定と周囲光条件の影響を受けないため、姿勢推定に広く利用されています。
ただし、LiDAR オドメトリのパフォーマンスは環境によって異なり、長い廊下などの劣化環境ではパフォーマンスが低下します。
この問題は、周囲の幾何学的特性に応じて異なる長所と短所を持つ単一のエラー メトリックへの依存から発生します。
これらの問題に対処するために、この研究では GenZ-ICP と呼ばれる新しい反復最近点 (ICP) 法を提案します。
私たちは、ポイントツープレーンとポイントツーポイントの両方のエラーメトリクスを再検討し、それらの長所を補完的に活用する方法を提案します。
さらに、周囲の幾何学的特性に基づいて調整される適応重みを利用することで、多様な環境への適応性を高めました。
実験評価で実証されたように、提案された GenZ-ICP は、最適化プロセス中に不正設定問題を防ぐことで、さまざまな環境への高い適応性と、回廊状の退化シナリオにおける最適化劣化に対する回復力を示します。

要約(オリジナル)

Light detection and ranging (LiDAR)-based odometry has been widely utilized for pose estimation due to its use of high-accuracy range measurements and immunity to ambient light conditions. However, the performance of LiDAR odometry varies depending on the environment and deteriorates in degenerative environments such as long corridors. This issue stems from the dependence on a single error metric, which has different strengths and weaknesses depending on the geometrical characteristics of the surroundings. To address these problems, this study proposes a novel iterative closest point (ICP) method called GenZ-ICP. We revisited both point-to-plane and point-to-point error metrics and propose a method that leverages their strengths in a complementary manner. Moreover, adaptability to diverse environments was enhanced by utilizing an adaptive weight that is adjusted based on the geometrical characteristics of the surroundings. As demonstrated in our experimental evaluation, the proposed GenZ-ICP exhibits high adaptability to various environments and resilience to optimization degradation in corridor-like degenerative scenarios by preventing ill-posed problems during the optimization process.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google