Visual-LiDAR Odometry and Mapping with Monocular Scale Correction and Visual Bootstrapping

要約

この論文では、低ドリフト特性を備えた新しい視覚的 LiDAR オドメトリおよびマッピング方法を紹介します。
提案された方法は、ORB-SLAM と A-LOAM という 2 つの一般的なアプローチに基づいており、単眼スケール補正と視覚的にブートストラップされた LiDAR ポーズ初期化修正を備えています。
スケール補正器は、精度向上のための外れ値除去プロセスを使用して、三角測量によって回復された画像キーポイントの深度と LiDAR によって提供される画像キーポイントの深度の間の比率を計算します。
LiDAR ポーズの初期化に関しては、ビジュアル オドメトリ アプローチにより、パフォーマンスを向上させるために LiDAR の動きの初期推定が行われます。
この方法論は、高解像度の LiDAR に適用できるだけでなく、低解像度の LiDAR にも適用できます。
提案された SLAM システムの堅牢性と精度を評価するために、KITTI オドメトリと S3E データセットで実験を実施しました。
実験結果は、私たちの方法がスタンドアロンの ORB-SLAM2 および A-LOAM よりも大幅に優れていることを示しています。
さらに、スケール補正を伴うビジュアル オドメトリの精度に関しては、私たちの方法はステレオ モードの ORB-SLAM2 と同様に機能します。

要約(オリジナル)

This paper presents a novel visual-LiDAR odometry and mapping method with low-drift characteristics. The proposed method is based on two popular approaches, ORB-SLAM and A-LOAM, with monocular scale correction and visual-bootstrapped LiDAR poses initialization modifications. The scale corrector calculates the proportion between the depth of image keypoints recovered by triangulation and that provided by LiDAR, using an outlier rejection process for accuracy improvement. Concerning LiDAR poses initialization, the visual odometry approach gives the initial guesses of LiDAR motions for better performance. This methodology is not only applicable to high-resolution LiDAR but can also adapt to low-resolution LiDAR. To evaluate the proposed SLAM system’s robustness and accuracy, we conducted experiments on the KITTI Odometry and S3E datasets. Experimental results illustrate that our method significantly outperforms standalone ORB-SLAM2 and A-LOAM. Furthermore, regarding the accuracy of visual odometry with scale correction, our method performs similarly to the stereo-mode ORB-SLAM2.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google