LiLO: Lightweight and low-bias LiDAR Odometry method based on spherical range image filtering

要約

構造化されていない屋外環境では、ロボット工学には短い計算時間で正確かつ効率的なオドメトリが必要です。
既存の低バイアス LiDAR オドメトリ方法は、多くの場合、計算コストが高くなります。
この問題に対処するために、未整理の点群データを球面距離画像 (SRI) に変換し、画像平面内の表面、エッジ、地面の特徴を除外する軽量の LiDAR オドメトリ手法を提案します。
これにより、LOAM ベースのアルゴリズムでの計算時間とオドメトリ推定に必要な機能が大幅に削減されます。
当社のオドメトリ推定方法は、グローバル マップやループ クロージャ アルゴリズムに依存しないため、計算コストがさらに削減されます。
実験結果では、平均実行時間 78 ミリ秒の KITTI データセットで、0.86\% および 0.0036{\deg}/m の並進誤差と回転誤差が生成されました。
さらに、データを使用してこの方法をテストしたところ、3.5Km をカバーする 8 つのループで平均閉ループ誤差 0.8m、実行時間 27ms が得られました。

要約(オリジナル)

In unstructured outdoor environments, robotics requires accurate and efficient odometry with low computational time. Existing low-bias LiDAR odometry methods are often computationally expensive. To address this problem, we present a lightweight LiDAR odometry method that converts unorganized point cloud data into a spherical range image (SRI) and filters out surface, edge, and ground features in the image plane. This substantially reduces computation time and the required features for odometry estimation in LOAM-based algorithms. Our odometry estimation method does not rely on global maps or loop closure algorithms, which further reduces computational costs. Experimental results generate a translation and rotation error of 0.86\% and 0.0036{\deg}/m on the KITTI dataset with an average runtime of 78ms. In addition, we tested the method with our data, obtaining an average closed-loop error of 0.8m and a runtime of 27ms over eight loops covering 3.5Km.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google