LOG-LIO2: A LiDAR-Inertial Odometry with Efficient Uncertainty Analysis

要約

距離センシングなどの要因に起因する LiDAR 測定の不確実性は、損失関数の正確な重み付けに影響を与えるため、LIO (LiDAR-慣性走行距離測定) システムにとって非常に重要です。
最近の LIO システムは距離感知に関連する不確実性に対処していますが、不確実性に対する入射角の影響はコミュニティによってしばしば見落とされています。
さらに、既存の不確実性伝播方法は計算効率が悪いという問題があります。
本稿では、LiDAR 測定から得られる不確実性と表面特性の両方を考慮した包括的な点不確実性モデルと、LiDAR ベースの状態推定問題に対する効率的な局所不確実性解析手法を提案します。
不確実性を光線方向とその直交面に分離する投影演算子を使用します。
次に、固有値と固有ベクトルの増分ヤコビアン行列を導出します。
これにより、不確実性の伝播を高速に近似することができます。
このアプローチにより、点の冗長な走査の要件が排除され、新しい点が追加されたときの $\mathcal{O} (n)$ から $\mathcal{O} (1)$ への不確実性伝播の時間の複雑さが大幅に軽減されます。
定式化の精度と効率を検証するために、公開データセットでのシミュレーションと実験が実施されます。
提案された手法は LIO システムに統合されており、https://github.com/tiev-tongji/LOG-LIO2 で入手できます。

要約(オリジナル)

Uncertainty in LiDAR measurements, stemming from factors such as range sensing, is crucial for LIO (LiDAR-Inertial Odometry) systems as it affects the accurate weighting in the loss function. While recent LIO systems address uncertainty related to range sensing, the impact of incident angle on uncertainty is often overlooked by the community. Moreover, the existing uncertainty propagation methods suffer from computational inefficiency. This paper proposes a comprehensive point uncertainty model that accounts for both the uncertainties from LiDAR measurements and surface characteristics, along with an efficient local uncertainty analytical method for LiDAR-based state estimation problem. We employ a projection operator that separates the uncertainty into the ray direction and its orthogonal plane. Then, we derive incremental Jacobian matrices of eigenvalues and eigenvectors w.r.t. points, which enables a fast approximation of uncertainty propagation. This approach eliminates the requirement for redundant traversal of points, significantly reducing the time complexity of uncertainty propagation from $\mathcal{O} (n)$ to $\mathcal{O} (1)$ when a new point is added. Simulations and experiments on public datasets are conducted to validate the accuracy and efficiency of our formulations. The proposed methods have been integrated into a LIO system, which is available at https://github.com/tiev-tongji/LOG-LIO2.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google