SLAMesh: Real-time LiDAR Simultaneous Localization and Meshing

要約

現在の LiDAR 同時位置推定およびマッピング (SLAM) システムのほとんどは、人間の目には密集しているように見えますが、拡大するとまばらな点群でマップを作成します。
高密度マップは、マップベースのナビゲーションなどのロボット アプリケーションに不可欠です。
メモリ コストが低いため、近年、メッシュはマッピング用の魅力的な高密度モデルになっています。
ただし、既存の方法では通常、オフラインの後処理ステップを使用してメッシュ マップを生成し、メッシュ マップを生成します。
この 2 段階のパイプラインでは、これらの方法で構築されたメッシュ マップをオンラインで使用したり、ローカリゼーションとメッシュ化を有効にして相互に利益を得たりすることはできません。
この問題を解決するために、メッシュ マップの構築とメッシュ マップに対するローカリゼーションを同時に実行できる、初の CPU のみのリアルタイム LiDAR SLAM システムを提案します。
ガウス プロセス再構成による斬新なダイレクト メッシング戦略により、メッシュ マップの高速な構築、登録、および更新が実現されます。
いくつかの公開データセットで実験を行います。
結果は、SLAM システムが約 $40$Hz で動作できることを示しています。
ローカリゼーションとメッシングの精度も、TSDF マップやポアソン再構成などの最先端の方法よりも優れています。
コードとビデオのデモは、https://github.com/lab-sun/SLAMesh で入手できます。

要約(オリジナル)

Most current LiDAR simultaneous localization and mapping (SLAM) systems build maps in point clouds, which are sparse when zoomed in, even though they seem dense to human eyes. Dense maps are essential for robotic applications, such as map-based navigation. Due to the low memory cost, mesh has become an attractive dense model for mapping in recent years. However, existing methods usually produce mesh maps by using an offline post-processing step to generate mesh maps. This two-step pipeline does not allow these methods to use the built mesh maps online and to enable localization and meshing to benefit each other. To solve this problem, we propose the first CPU-only real-time LiDAR SLAM system that can simultaneously build a mesh map and perform localization against the mesh map. A novel and direct meshing strategy with Gaussian process reconstruction realizes the fast building, registration, and updating of mesh maps. We perform experiments on several public datasets. The results show that our SLAM system can run at around $40$Hz. The localization and meshing accuracy also outperforms the state-of-the-art methods, including the TSDF map and Poisson reconstruction. Our code and video demos are available at: https://github.com/lab-sun/SLAMesh.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google