MSC-LIO: An MSCKF-Based LiDAR-Inertial Odometry with Same-Plane-Point Tracking

要約

マルチステート制約カルマン フィルター (MSCKF) は、視覚ベースのオドメトリのグラフ最適化よりも同様の精度で効率的であることが証明されています。
ただし、LiDAR ベースのオドメトリについてはまだ適切に検討および研究されていません。
この論文では、MSC-LIO と呼ばれる、MSCKF フレームワークに基づいた新しい密結合 LiDAR 慣性オドメトリを提案します。
フレーム間のデータ関連付けには、明示的な特徴抽出を行わない効率的な LiDAR 同一面点 (LSPP) 追跡方法が存在します。
追跡された LSPP は、マルチステート制約を構築する LSPP 測定モデルを構築するために使用されます。
さらに、提案された LSPP 追跡方法から導出された、効果的な点速度ベースの LiDAR-IMU 時間遅延 (LITD) 推定方法を提案します。
公開データセットと非公開データセットの両方で大規模な実験が行われました。
結果は、提案された MSC-LIO が最先端の方法よりも高い精度と効率をもたらすことを示しています。
アブレーション実験の結果は、LSPP 追跡方法を使用すると、データ関連付け効率がほぼ 3 倍向上することを示しています。
さらに、提案した LITD 推定方法は、LITD を効果的かつ正確に推定できます。

要約(オリジナル)

The multi-state constraint Kalman filter (MSCKF) has been proven to be more efficient than graph optimization for visual-based odometry while with similar accuracy. However, it has not yet been properly considered and studied for LiDAR-based odometry. In this paper, we propose a novel tightly coupled LiDAR-inertial odometry based on the MSCKF framework, named MSC-LIO. An efficient LiDAR same-plane-point (LSPP) tracking method, without explicit feature extraction, is present for frame-to-frame data associations. The tracked LSPPs are employed to build an LSPP measurement model, which constructs a multi-state constraint. Besides, we propose an effective point-velocity-based LiDAR-IMU time-delay (LITD) estimation method, which is derived from the proposed LSPP tracking method. Extensive experiments were conducted on both public and private datasets. The results demonstrate that the proposed MSC-LIO yields higher accuracy and efficiency than the state-of-the-art methods. The ablation experiment results indicate that the data-association efficiency is improved by nearly 3 times using the LSPP tracking method. Besides, the proposed LITD estimation method can effectively and accurately estimate the LITD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google