FR-LIO: Fast and Robust Lidar-Inertial Odometry by Tightly-Coupled Iterated Kalman Smoother and Robocentric Voxels

要約

この論文では、激しい動きに対して堅牢な高速ライダー慣性オドメトリ (LIO) について説明します。
激しい動きのシーンで堅牢な追跡を実現するために、LIDAR の連続スキャン特性を利用して、動きの強度に応じてフル スキャンを複数の部分スキャン (サブフレームと呼ばれる) に適応的に分割します。
また、不十分な制約に起因するサブフレームの劣化を回避するために、密結合反復誤差状態カルマン スムーザー (ESKS) フレームワークに基づくロバストな状態推定方法を提案します。
さらに、システムの効率を向上させるためにロボセントリックボクセルマップ（RC-Vox）を提案します。
RC-Vox を使用すると、ローカル マップ ポイントを固定サイズの 2 層 3D 配列構造にマッピングすることで、マップ ポイントと k 最近傍 (k-NN) クエリの効率的なメンテナンスが可能になります。
4 つの公開データセットと私たち独自のデータセットからの 27 配列に対して広範な実験が行われています。
その結果、他の最新手法では対応できない激しい動きのシーン（角速度最大21.8 rad/s）でも安定した追従が可能であり、一般的なシーンでもこれらの手法と同等のパフォーマンスを実現できることがわかりました。
さらに、RC-Vox のおかげで、私たちのシステムは現在公開されている最も効率的な LIO システムよりもはるかに高速です。

要約(オリジナル)

This paper presents a fast lidar-inertial odometry (LIO) that is robust to aggressive motion. To achieve robust tracking in aggressive motion scenes, we exploit the continuous scanning property of lidar to adaptively divide the full scan into multiple partial scans (named sub-frames) according to the motion intensity. And to avoid the degradation of sub-frames resulting from insufficient constraints, we propose a robust state estimation method based on a tightly-coupled iterated error state Kalman smoother (ESKS) framework. Furthermore, we propose a robocentric voxel map (RC-Vox) to improve the system’s efficiency. The RC-Vox allows efficient maintenance of map points and k nearest neighbor (k-NN) queries by mapping local map points into a fixed-size, two-layer 3D array structure. Extensive experiments are conducted on 27 sequences from 4 public datasets and our own dataset. The results show that our system can achieve stable tracking in aggressive motion scenes (angular velocity up to 21.8 rad/s) that cannot be handled by other state-of-the-art methods, while our system can achieve competitive performance with these methods in general scenes. Furthermore, thanks to the RC-Vox, our system is much faster than the most efficient LIO system currently published.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google