Evaluation of Lidar-based 3D SLAM algorithms in SubT environment

要約

自然光が不足している、または照明が不十分な、過酷で GPS が拒否された地下 (SubT) 環境でのロボットの自律ナビゲーションは、ポーズの推定とマッピングのためのアルゴリズムの開発を促進する挑戦的なタスクです。
このような環境で自律型ロボットを実際に展開する必要性に触発されたこの記事では、3D SLAM アルゴリズムの実験的比較研究を紹介します。
この研究は、i) BLAM、LOAM、A-LOAM、ISC-LOAM、hdl グラフ スラムのようなライダーのみ、または ii) ライダー慣性型のような、オープンソース実装を備えた最先端のライダー SLAM アルゴリズムに焦点を当てています。
LeGO-LOAM、Cartographer、LIO-mapping、LIO-SAM。
メソッドの評価は、地下トンネルでのミッション中に、3D ライダー Velodyne Puck Lite と IMU Vectornav VN-100 を搭載したボストン ダイナミクス スポット ロボットから収集されたデータセットに基づいて実行されます。
評価プロセスでは、SLAM アルゴリズムからのポーズと 3D トンネルの再構築が互いに比較され、ポーズの精度とマップの品質の点で最も安定したパフォーマンスを持つ方法が見つけられます。

要約(オリジナル)

Autonomous navigation of robots in harsh and GPS denied subterranean (SubT) environments with lack of natural or poor illumination is a challenging task that fosters the development of algorithms for pose estimation and mapping. Inspired by the need for real-life deployment of autonomous robots in such environments, this article presents an experimental comparative study of 3D SLAM algorithms. The study focuses on state-of-the-art Lidar SLAM algorithms with open-source implementation that are i) lidar-only like BLAM, LOAM, A-LOAM, ISC-LOAM and hdl graph slam, or ii) lidar-inertial like LeGO-LOAM, Cartographer, LIO-mapping and LIO-SAM. The evaluation of the methods is performed based on a dataset collected from the Boston Dynamics Spot robot equipped with 3D lidar Velodyne Puck Lite and IMU Vectornav VN-100, during a mission in an underground tunnel. In the evaluation process poses and 3D tunnel reconstructions from SLAM algorithms are compared against each other to find methods with most solid performance in terms of pose accuracy and map quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google