Tightly Coupled Range Inertial Odometry and Mapping with Exact Point Cloud Downsampling

要約

本研究では、因子グラフ上のマルチスキャン登録誤差最小化のリアルタイム処理を容易にするために、コアセット抽出に基づく点群ダウンサンプリングアルゴリズムを考案する。このアルゴリズムは、入力点の残差の部分集合を抽出し、その部分集合が、与えられたポーズに対して、元の集合の二次誤差関数と全く同じ二次誤差関数をもたらすようにする。これにより、サンプリング点での近似誤差なしに評価すべき残差の数を大幅に削減することができる。このアルゴリズムを用いて、スライディングウィンドウ最適化に基づくオドメトリ推定と、マップ全体にわたるレジストレーション誤差最小化に基づく大域的軌道最適化からなる完全なSLAMフレームワークを考案し、その両方を標準的なCPU上で実時間で実行することができる。実験結果は、提案フレームワークが、GPUアクセラレーションを用いることなく、最新のCPUベースのSLAMフレームワークを凌駕することを示している。

要約(オリジナル)

In this work, to facilitate the real-time processing of multi-scan registration error minimization on factor graphs, we devise a point cloud downsampling algorithm based on coreset extraction. This algorithm extracts a subset of the residuals of input points such that the subset yields exactly the same quadratic error function as that of the original set for a given pose. This enables a significant reduction in the number of residuals to be evaluated without approximation errors at the sampling point. Using this algorithm, we devise a complete SLAM framework that consists of odometry estimation based on sliding window optimization and global trajectory optimization based on registration error minimization over the entire map, both of which can run in real time on a standard CPU. The experimental results demonstrate that the proposed framework outperforms state-of-the-art CPU-based SLAM frameworks without the use of GPU acceleration.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL