D-LIO: 6DoF Direct LiDAR-Inertial Odometry based on Simultaneous Truncated Distance Field Mapping

要約

このホワイトペーパーでは、CPU上の切り捨てられた距離フィールドの同時マッピングに基づいて、6DOF直接Lidar-inertial odometry（D-lio）の新しいアプローチを紹介します。
このような連続表現（ポイントの近く）により、RAW 3D LIDARデータをオンラインで作業することができ、LIDAR機能の選択と追跡の必要性を回避し、匂いのパイプラインを簡素化し、多くのシナリオに簡単に一般化できます。
この方法は、環境を表すための便利なツールとして、提案されている高速切り捨て距離フィールド（高速TDF）メソッドに基づいています。
このような表現により、i）入力データでLIDAR機能を選択/追跡する必要なく、LIDAR Point-Cloud登録を非線形最適化プロセスとして解決することができます。ii）同時に、環境の正確な切り捨て距離フィールドマップを生成し、iii）そのサイズの独立した時期にそのようなマップを更新します。
このアプローチは、オープンデータセット、空中、地面を使用してテストされます。
また、他の最先端の匂い測定アプローチに対してもベンチマークされており、環境のオンライン生成されたTDF表現の付加価値と同じまたはより良いレベルの精度を示します。
ソースコードは、https://anonymous.4open.science/r/d-lioで公開されています

要約(オリジナル)

This paper presents a new approach for 6DoF Direct LiDAR-Inertial Odometry (D-LIO) based on the simultaneous mapping of truncated distance fields on CPU. Such continuous representation (in the vicinity of the points) enables working with raw 3D LiDAR data online, avoiding the need of LiDAR feature selection and tracking, simplifying the odometry pipeline and easily generalizing to many scenarios. The method is based on the proposed Fast Truncated Distance Field (Fast-TDF) method as a convenient tool to represent the environment. Such representation enables i) solving the LiDAR point-cloud registration as a nonlinear optimization process without the need of selecting/tracking LiDAR features in the input data, ii) simultaneously producing an accurate truncated distance field map of the environment, and iii) updating such map at constant time independently of its size. The approach is tested using open datasets, aerial and ground. It is also benchmarked against other state-of-the-art odometry approaches, demonstrating the same or better level of accuracy with the added value of an online-generated TDF representation of the environment, that can be used for other robotics tasks as planning or collision avoidance. The source code is publicly available at https://anonymous.4open.science/r/D-LIO

arxiv情報

提供元, 利用サービス

arxiv.jp, Google