MSC-LIO: An MSCKF-Based LiDAR-Inertial Odometry with Same-Plane Cluster Tracking

要約

マルチステート制約カルマンフィルター（MSCKF）は、同様の精度で視覚ベースの匂い測定のグラフ最適化よりも効率的であることが証明されています。
ただし、LIDARベースの匂いについては、適切に考慮されていても研究されていません。
この論文では、MSC-Lioという名前のMSCKFフレームワークに基づいた、めくらに密着したLidar-inertial odometryを提案します。
明示的な特徴抽出なしの効率的なLIDAR同一平面クラスター（LSPC）追跡方法は、フレーム間データの関連付けに存在します。
追跡されたLSPCは、マルチステート制約を構築するLSPC測定モデルを構築するために使用されます。
その上、提案されたLSPC追跡方法から導出される効果的なポイント速度ベースのLidar-Imu Time-Delay（LITD）推定法を提案します。
提案された方法の有効性と堅牢性を検証するために、パブリックデータセットと実際の環境の両方で広範な実験を実施しました。
結果は、提案されたMSC-LIOが最先端の方法と比較してより高い精度と効率をもたらすことを示しています。
アブレーション実験は、LSPC追跡によりデータ関連効率がほぼ3倍改善され、提案されたLITD推定方法がLITDを効果的かつ正確に推定できることを示しています。
その上、MSC-LioはEdgeデバイスに実装され、優れたリアルタイムパフォーマンスを実証しました。

要約(オリジナル)

The multi-state constraint Kalman filter (MSCKF) has been proven to be more efficient than graph optimization for visual-based odometry while with similar accuracy. However, it has not been adequately considered and studied for LiDAR-based odometry. In this paper, we propose a novel tightly-coupled LiDAR-inertial odometry based on the MSCKF framework, named MSC-LIO. An efficient LiDAR same-plane cluster (LSPC) tracking method, without explicit feature extraction, is present for frame-to-frame data associations. The tracked LSPC is used to build an LSPC measurement model that constructs multi-state constraints. Besides, we propose an effective point-velocity-based LiDAR-IMU time-delay (LITD) estimation method, which is derived from the proposed LSPC tracking method. To validate the effectiveness and robustness of the proposed method, we conducted extensive experiments on both public datasets and real-world environments. The results demonstrate that the proposed MSC-LIO yields higher accuracy and efficiency compared to the state-of-the-art methods. Ablation experiments indicate that the data-association efficiency is improved by nearly 3 times with the LSPC tracking, and the proposed LITD estimation method can effectively and accurately estimate the LITD. Besides, MSC-LIO was implemented on an edge device and demonstrated excellent real-time performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google