LPVIMO-SAM: Tightly-coupled LiDAR/Polarization Vision/Inertial/Magnetometer/Optical Flow Odometry via Smoothing and Mapping

要約

LiDAR、偏光視覚、慣性測定ユニット、磁力計、および光の流れを統合し、緊密に結合された融合の光流量を統合する、スムージングとマッピング（LPVIMO-SAM）フレームワークを介して、しっかりと結合されたLIDAR/偏光視/磁力計/光フロー臭気を提案します。
このフレームワークにより、LiDARが分解された、低テクスチャ領域、特徴彫像エリアなど、挑戦的な環境で、高精度と非常に堅牢なリアルタイム状態推定とマップ構造が可能になります。
LPVIMO-SAMは、2つのサブシステムで構成されています。偏光視覚系システムと、LIDAR/慣性/磁力計/光学フローシステムです。
偏光視力は、シーンの偏光情報を抽出することにより、低栄養および低テクスチャーシナリオにおける視覚/慣性臭トメトリの堅牢性を高めます。
磁力計は見出し角を取得し、光学流は速度と高さを取得して蓄積された誤差を減らします。
事前因子の磁力計、光学流速度観測係数、および高さの観測係数は、因子グラフの最適化を通じてLIDAR/慣性匂い測定の累積誤差を排除するように設計されています。
一方、LPVIMO-SAMは、2つのサブシステムのいずれかが故障した場合でも安定したポジショニングを維持することができ、LiDARが分解された、低テクスチャ、および低機能環境での適用性をさらに拡大します。
コードはhttps://github.com/junxiaofanchen/lpvimo-samで入手できます。

要約(オリジナル)

We propose a tightly-coupled LiDAR/Polarization Vision/Inertial/Magnetometer/Optical Flow Odometry via Smoothing and Mapping (LPVIMO-SAM) framework, which integrates LiDAR, polarization vision, inertial measurement unit, magnetometer, and optical flow in a tightly-coupled fusion. This framework enables high-precision and highly robust real-time state estimation and map construction in challenging environments, such as LiDAR-degraded, low-texture regions, and feature-scarce areas. The LPVIMO-SAM comprises two subsystems: a Polarized Vision-Inertial System and a LiDAR/Inertial/Magnetometer/Optical Flow System. The polarized vision enhances the robustness of the Visual/Inertial odometry in low-feature and low-texture scenarios by extracting the polarization information of the scene. The magnetometer acquires the heading angle, and the optical flow obtains the speed and height to reduce the accumulated error. A magnetometer heading prior factor, an optical flow speed observation factor, and a height observation factor are designed to eliminate the cumulative errors of the LiDAR/Inertial odometry through factor graph optimization. Meanwhile, the LPVIMO-SAM can maintain stable positioning even when one of the two subsystems fails, further expanding its applicability in LiDAR-degraded, low-texture, and low-feature environments. Code is available on https://github.com/junxiaofanchen/LPVIMO-SAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google