LIW-OAM: Lidar-Inertial-Wheel Odometry and Mapping

要約

LiDAR と慣性測定ユニット (IMU) の補完的な情報を融合する LiDAR 慣性オドメトリおよびマッピング (LIOAM) は、ポーズの推定とマッピングのための魅力的なソリューションです。
LI-OAM では、ポーズと速度の両方が解決する必要がある状態変数と見なされます。
ただし、広く使用されている ICP (Iterative Closest Point) アルゴリズムはポーズの制約しか提供できませんが、速度は IMU 事前統合によってのみ制約できます。
その結果、速度の推定値は、姿勢の結果に応じて更新される傾向があります。
この論文では、バンドル調整（BA）ベースの最適化フレームワークでLiDAR、IMU、およびホイールエンコーダからの測定値を融合する、正確で堅牢なLiDAR慣性ホイールオドメトリおよびマッピングシステムであるLIW-OAMを提案します。
ホイール エンコーダーの関与により、重要な観測として速度測定が提供される可能性があり、LI-OAM がより正確な状態予測を提供するのに役立ちます。
さらに、最適化でホイールエンコーダからの観測によって速度変数を制約することで、状態推定の精度をさらに向上させることができます。
2 つの公開データセットでの実験結果は、絶対軌道誤差 (ATE) が小さいという点で、当社のシステムがすべての最先端の LI-OAM システムよりも優れていることを示しており、ホイール エンコーダーを組み込むことで、
BA フレームワーク。

要約(オリジナル)

LiDAR-inertial odometry and mapping (LIOAM), which fuses complementary information of a LiDAR and an Inertial Measurement Unit (IMU), is an attractive solution for pose estimation and mapping. In LI-OAM, both pose and velocity are regarded as state variables that need to be solved. However, the widely-used Iterative Closest Point (ICP) algorithm can only provide constraint for pose, while the velocity can only be constrained by IMU pre-integration. As a result, the velocity estimates inclined to be updated accordingly with the pose results. In this paper, we propose LIW-OAM, an accurate and robust LiDAR-inertial-wheel odometry and mapping system, which fuses the measurements from LiDAR, IMU and wheel encoder in a bundle adjustment (BA) based optimization framework. The involvement of a wheel encoder could provide velocity measurement as an important observation, which assists LI-OAM to provide a more accurate state prediction. In addition, constraining the velocity variable by the observation from wheel encoder in optimization can further improve the accuracy of state estimation. Experiment results on two public datasets demonstrate that our system outperforms all state-of-the-art LI-OAM systems in terms of smaller absolute trajectory error (ATE), and embedding a wheel encoder can greatly improve the performance of LI-OAM based on the BA framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google