SuperLoc: The Key to Robust LiDAR-Inertial Localization Lies in Predicting Alignment Risks

要約

地図ベースのLidarローカリゼーションは、自律システムで広く使用されていますが、異なる幾何学的特徴がないため、劣化した環境で大きな課題に直面しています。
このペーパーでは、既存の方法の主要な制限に対処する堅牢なLIDARローカリゼーションパッケージであるSuperLocを紹介します。
Superlocは、新しい予測リスクリスク評価手法を備えており、最適化前に潜在的な障害の早期検出と緩和を可能にします。
このアプローチは、廊下、トンネル、洞窟などの挑戦的なシナリオのパフォーマンスを大幅に向上させます。
最適化後分析やヒューリスティックなしきい値に依存する既存の縮退緩和アルゴリズムとは異なり、SuperLocは生センサー測定のローカライズ性を評価します。
実験結果は、さまざまな劣化した環境にわたる最先端の方法よりも大きなパフォーマンスの改善を示しています。
私たちのアプローチは、精度が54％増加し、最高の堅牢性を示します。
さらなる調査を促進するために、8つの挑戦的なシナリオからデータセットとともに実装をリリースします

要約(オリジナル)

Map-based LiDAR localization, while widely used in autonomous systems, faces significant challenges in degraded environments due to lacking distinct geometric features. This paper introduces SuperLoc, a robust LiDAR localization package that addresses key limitations in existing methods. SuperLoc features a novel predictive alignment risk assessment technique, enabling early detection and mitigation of potential failures before optimization. This approach significantly improves performance in challenging scenarios such as corridors, tunnels, and caves. Unlike existing degeneracy mitigation algorithms that rely on post-optimization analysis and heuristic thresholds, SuperLoc evaluates the localizability of raw sensor measurements. Experimental results demonstrate significant performance improvements over state-of-the-art methods across various degraded environments. Our approach achieves a 54% increase in accuracy and exhibits the highest robustness. To facilitate further research, we release our implementation along with datasets from eight challenging scenarios

arxiv情報

提供元, 利用サービス

arxiv.jp, Google