Performance Assessment of Lidar Odometry Frameworks: A Case Study at the Australian Botanic Garden Mount Annan

要約

世界中のさまざまな環境で自動運転車がテストされています。
ただし、森林や庭園などの自然で構造化されていない環境を表すデータセットの評価には、顕著なギャップが存在します。
これに対処するために、オーストラリアの植物園のマウントアナンでのローカリゼーションに関する研究を提示します。
このエリアには、草が茂ったオープンエリア、舗装された経路、木やその他のオブジェクトのある密集した植生セクションが含まれます。
データセットは、128ビームライダーセンサーとGPSおよびIMUの測定値を使用して記録され、自動車を追跡しました。
このペーパーでは、このデータセットでの2つの最先端のリダリナルティア臭気フレームワーク、Coin-LioとLio-Samのパフォーマンスを評価します。
水平方向と垂直方向の両方の寸法の両方で軌道の推定値を分析し、さまざまな距離にわたる相対的な翻訳とヨーの誤差を評価します。
私たちの調査結果は、両方のフレームワークが垂直平面で適切に機能する一方で、Coinlioは水平面、特に拡張された軌道上で優れた精度を示していることを明らかにしています。
対照的に、LIO-SAMは、より長い距離にわたってドリフトとヨーのエラーの増加を示しています。

要約(オリジナル)

Autonomous vehicles are being tested in diverse environments worldwide. However, a notable gap exists in evaluating datasets representing natural, unstructured environments such as forests or gardens. To address this, we present a study on localisation at the Australian Botanic Garden Mount Annan. This area encompasses open grassy areas, paved pathways, and densely vegetated sections with trees and other objects. The dataset was recorded using a 128-beam LiDAR sensor and GPS and IMU readings to track the ego-vehicle. This paper evaluates the performance of two state-of-the-art LiDARinertial odometry frameworks, COIN-LIO and LIO-SAM, on this dataset. We analyse trajectory estimates in both horizontal and vertical dimensions and assess relative translation and yaw errors over varying distances. Our findings reveal that while both frameworks perform adequately in the vertical plane, COINLIO demonstrates superior accuracy in the horizontal plane, particularly over extended trajectories. In contrast, LIO-SAM shows increased drift and yaw errors over longer distances.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google