Equivariant Filter for Tightly Coupled LiDAR-Inertial Odometry

要約

ポーズ推定は、同時ローカリゼーションとマッピング（SLAM）の重要な問題です。
ただし、従来の拡張カルマンフィルター（EKF）がモデルの非線形性を処理するのに苦労しているため、特に慣性測定ユニット（IMU）および光検出と範囲（LIDAR）（LIDAR）であるため、堅牢で一貫した状態推定器を開発することは、依然として重要な課題です。
ポーズ推定の一貫した効率的なソリューションを提供するために、Equivariantフィルター（EQF）に基づいて厳密に結合したLIOシステムの堅牢な状態推定器であるEQ-LIOを提案します。
$ \ se_2（3）$グループ構造に基づいた不変のカルマンフィルターと比較して、EQFは半方向の製品グループの対称性を使用して、IMUバイアス、ナビゲーション状態、およびライダー外因性カリブル状態を含むシステム状態を結合し、それによって線形化誤差を抑制し、予期しない状態変化のイベントの推定器の挙動を改善します。
提案されたEQ-LIOは、自然な一貫性とより高い堅牢性を所有しています。これは、理論的には数学的派生で証明され、パブリックデータセットとプライベートデータセットの両方で一連のテストを通じて実験的に検証されています。

要約(オリジナル)

Pose estimation is a crucial problem in simultaneous localization and mapping (SLAM). However, developing a robust and consistent state estimator remains a significant challenge, as the traditional extended Kalman filter (EKF) struggles to handle the model nonlinearity, especially for inertial measurement unit (IMU) and light detection and ranging (LiDAR). To provide a consistent and efficient solution of pose estimation, we propose Eq-LIO, a robust state estimator for tightly coupled LIO systems based on an equivariant filter (EqF). Compared with the invariant Kalman filter based on the $\SE_2(3)$ group structure, the EqF uses the symmetry of the semi-direct product group to couple the system state including IMU bias, navigation state and LiDAR extrinsic calibration state, thereby suppressing linearization error and improving the behavior of the estimator in the event of unexpected state changes. The proposed Eq-LIO owns natural consistency and higher robustness, which is theoretically proven with mathematical derivation and experimentally verified through a series of tests on both public and private datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google