Semi-Elastic LiDAR-Inertial Odometry

要約

既存のLiDAR-慣性状態推定は、現在の掃引開始時の状態が前回の掃引終了時の状態と同一であると仮定しています。しかし、前回の掃引終了時の状態が正確でない場合、現在の状態はLiDARとIMUからの制約を一貫して満たすことができず、最終的に解決された状態の局所的な不整合（例えば、ジグザグ軌道や高周波の振動速度）をもたらします。本論文では、半弾性最適化ベースのLiDAR-慣性状態推定法を提案します。これは、状態に十分な弾性を付与し、正しい値に最適化できるようにするものです。この手法により、状態推定の精度、一貫性、ロバスト性を確保することができる。提案するLiDAR-慣性状態推定法を最適化ベースのLiDAR-慣性オドメトリ（LIO）フレームワークに組み込む。つの公開データセットを用いた実験結果から、以下のことが実証された：1)本手法は、精度の点で既存の最先端LiDAR-慣性オドメトリシステムを上回る。2)半弾性最適化ベースのLiDAR-慣性状態推定は、従来の弾性最適化ベースのLiDAR-慣性状態推定よりも一貫性とロバスト性を確保できる。本研究のソースコードを公開しました。

要約(オリジナル)

Existing LiDAR-inertial state estimation assumes that the state at the beginning of current sweep is identical to the state at the end of last sweep. However, if the state at the end of last sweep is not accurate, the current state cannot satisfy the constraints from LiDAR and IMU consistently, ultimately resulting in local inconsistency of solved state (e.g., zigzag trajectory or high-frequency oscillating velocity). This paper proposes a semi-elastic optimization-based LiDAR-inertial state estimation method, which imparts sufficient elasticity to the state to allow it be optimized to the correct value. This approach can preferably ensure the accuracy, consistency, and robustness of state estimation. We incorporate the proposed LiDAR-inertial state estimation method into an optimization-based LiDAR-inertial odometry (LIO) framework. Experimental results on four public datasets demonstrate that: 1) our method outperforms existing state-of-the-art LiDAR-inertial odometry systems in terms of accuracy; 2) semi-elastic optimization-based LiDAR-inertial state estimation can better ensure consistency and robustness than traditional and elastic optimization-based LiDAR-inertial state estimation. We have released the source code of this work for the development of the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL