GaRLIO: Gravity enhanced Radar-LiDAR-Inertial Odometry

要約

最近、重力は、潜在的な垂直ドリフトを緩和するための状態推定の重要な制約として強調されています。
既存のオンライン重力推定方法は、IMU測定と組み合わせたポーズ推定に依存しています。これは、直接速度測定が利用できない場合にベストプラクティスと見なされます。
ただし、レーダーセンサーが直接的な速度データを提供しているため、重力推定にまだ利用されていない測定値は、重力推定の精度を大幅に改善する重要な機会を見つけました。
提案されている重力強化レーダーライダー介入臭トメトリーであるガリオは、重力を堅牢に予測して垂直ドリフトを減らし、同時に点ごとの速度測定を使用した状態推定パフォーマンスを向上させることができます。
さらに、Garlioは、Ladarを使用してLidar Point Cloudsから動的オブジェクトを削除することにより、動的環境での堅牢性を保証します。
私たちの方法は、垂直ドリフトに陥りやすいさまざまな環境での実験を通じて検証され、従来のライダー腸の臭気測定法と比較して優れた性能を示しています。
ソースコードを公開して、さらなる研究開発を促進します。
https://github.com/chiyunnoh/garlio

要約(オリジナル)

Recently, gravity has been highlighted as a crucial constraint for state estimation to alleviate potential vertical drift. Existing online gravity estimation methods rely on pose estimation combined with IMU measurements, which is considered best practice when direct velocity measurements are unavailable. However, with radar sensors providing direct velocity data-a measurement not yet utilized for gravity estimation-we found a significant opportunity to improve gravity estimation accuracy substantially. GaRLIO, the proposed gravity-enhanced Radar-LiDAR-Inertial Odometry, can robustly predict gravity to reduce vertical drift while simultaneously enhancing state estimation performance using pointwise velocity measurements. Furthermore, GaRLIO ensures robustness in dynamic environments by utilizing radar to remove dynamic objects from LiDAR point clouds. Our method is validated through experiments in various environments prone to vertical drift, demonstrating superior performance compared to traditional LiDAR-Inertial Odometry methods. We make our source code publicly available to encourage further research and development. https://github.com/ChiyunNoh/GaRLIO

arxiv情報

提供元, 利用サービス

arxiv.jp, Google