Lidar-only Odometry based on Multiple Scan-to-Scan Alignments over a Moving Window

要約

LIDARのみの臭気は、連続したLIDARスキャンから抽出されたモーション増分の蓄積に基づいて、モバイルロボットのポーズ推定を考慮します。
問題に対する既存のアプローチの多くは、スキャン間登録を使用しています。これは、ドリフトによるメンテナンスされたマップ内のエラーの蓄積を無視します。
他の方法では、機能ベースでローカルマップを共同で最適化する改良ステップを使用します。
ポーズグラフの制約を導出するために、以前のスキャンへの複数の独立したスキャンからスキャンへの反復ポイント（ICP）登録を使用して、これを回避するソリューションを提案します。
ポーズグラフの最適化により、最新のポーズの正確な推定値が得られるだけでなく、最適化ウィンドウでの以前のスキャンの改良性も可能になります。
スキャン間アライメントを再計算する必要性を回避することにより、計算負荷が最小限に抑えられます。
パブリックキティとムルランのデータセット、およびカスタム自動車LIDARデータセットに関する広範な評価が実行されます。
結果は、提案されたアプローチが、前述の問題を軽減しながら、最先端の推定精度を達成することを示しています。

要約(オリジナル)

Lidar-only odometry considers the pose estimation of a mobile robot based on the accumulation of motion increments extracted from consecutive lidar scans. Many existing approaches to the problem use a scan-to-map registration, which neglects the accumulation of errors within the maintained map due to drift. Other methods use a refinement step that jointly optimizes the local map on a feature basis. We propose a solution that avoids this by using multiple independent scan-to-scan Iterative Closest Points (ICP) registrations to previous scans in order to derive constraints for a pose graph. The optimization of the pose graph then not only yields an accurate estimate for the latest pose, but also enables the refinement of previous scans in the optimization window. By avoiding the need to recompute the scan-to-scan alignments, the computational load is minimized. Extensive evaluation on the public KITTI and MulRan datasets as well as on a custom automotive lidar dataset is carried out. Results show that the proposed approach achieves state-of-the-art estimation accuracy, while alleviating the mentioned issues.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google