MM-LINS: a Multi-Map LiDAR-Inertial System for Over-Degenerate Environments

要約

SLAMは、倉庫ロジスティクス、ヘルスケアロボット工学、レストラン配信など、自動化タスクにおいて重要な役割を果たしています。
これらのシーンには、群衆の周りをナビゲートしたり、一時的にブラインドセンサーを盲目にする可能性のある飛ぶビニール袋に対処したり、調理煙によって引き起こされるライダー密度の低下に対処するなど、さまざまな課題があります。
このようなシナリオは、過度の偏見をもたらす可能性があり、マップがドリフトします。
この問題に対処するために、このペーパーでは、初めてマルチマップLIDAR-INERTIALシステム（MM-Lins）を紹介します。
フロントエンドは、状態推定のために反復エラー状態のカルマンフィルターを採用し、縮退検出のための信頼できる評価戦略を導入します。
過度の脱誘発性が検出された場合、アクティブマップは睡眠マップに保存されます。
その後、システムは、ダイナミック初期化方法を使用して新しいマップを構築しようとして、過剰脱脱生を離れたときに初期化を成功させることを試みます。
バックエンドに関しては、スキャンコンテキスト記述子を使用して、インターマップの類似性を検出します。
共通の領域をアクティブマップと共有する睡眠マップの認識が成功すると、重複する軌跡領域が使用され、前のマップの端近くの位置変換を制約します。
これに応じて、高精度の位置とマッピングの結果を達成するために、制約強化マップ融合戦略が提案されています。
実験は、過剰脱脂条件を示した両方のパブリックデータセットと実際の環境で個別に行われています。
これらのテストは、過剰脱脱生環境におけるMMリンの有効性を実証しました。
私たちのコードはGithubでオープンソーシングされています。

要約(オリジナル)

SLAM plays a crucial role in automation tasks, such as warehouse logistics, healthcare robotics, and restaurant delivery. These scenes come with various challenges, including navigating around crowds of people, dealing with flying plastic bags that can temporarily blind sensors, and addressing reduced LiDAR density caused by cooking smoke. Such scenarios can result in over-degeneracy, causing the map to drift. To address this issue, this paper presents a multi-map LiDAR-inertial system (MM-LINS) for the first time. The front-end employs an iterated error state Kalman filter for state estimation and introduces a reliable evaluation strategy for degeneracy detection. If over-degeneracy is detected, the active map will be stored into sleeping maps. Subsequently, the system continuously attempts to construct new maps using a dynamic initialization method to ensure successful initialization upon leaving the over-degeneracy. Regarding the back-end, the Scan Context descriptor is utilized to detect inter-map similarity. Upon successful recognition of a sleeping map that shares a common region with the active map, the overlapping trajectory region is utilized to constrain the positional transformation near the edge of the prior map. In response to this, a constraint-enhanced map fusion strategy is proposed to achieve high-precision positional and mapping results. Experiments have been conducted separately on both public datasets that exhibited over-degenerate conditions and in real-world environments. These tests demonstrated the effectiveness of MM-LINS in over-degeneracy environment. Our codes are open-sourced on Github.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google