CAD-Mesher: A Convenient, Accurate, Dense Mesh-based Mapping Module in SLAM for Dynamic Environments

要約

ほとんどの LiDAR オドメトリおよび SLAM システムは、点群でマップを構築しますが、ズームインすると離散的でまばらになるため、ナビゲーションには直接適していません。
メッシュマップは、メモリ消費量が低く、高密度で連続したマップ形式であり、複雑な構造を単純な要素で近似できるため、近年研究者の大きな注目を集めています。
ただし、ほとんどの実装は静的環境を前提として動作します。
実際、オブジェクトが移動するとゴーストが発生し、メッシュの品質が低下する可能性があります。
これらの問題に対処するために、動的環境に適応するプラグアンドプレイ メッシュ モジュールを提案します。これは、さまざまな LiDAR オドメトリと簡単に統合して、オドメトリの姿勢推定精度を全般的に向上させることができます。
当社のメッシュ モジュールでは、新しい 2 段階の粗いものから細かいものまでの動的除去方法が設計されており、動的オブジェクトを効果的にフィルタリングし、一貫性のある正確で緻密なメッシュ マップを生成します。
私たちの知る限り、これは明示的に動的に削除を行う初めてのメッシュ構築方法です。
さらに、点群の均一性を確保するために、メッシュ構築におけるガウス プロセス、スライディング ウィンドウ ベースのキーフレーム集約、および適応型ダウンサンプリング戦略が使用されます。
公開されている 5 つのデータセットで位置特定とマッピングの精度を評価します。
定性的結果と定量的結果の両方が、最先端のアルゴリズムと比較して、私たちの方法の優位性を示しています。
コードと紹介ビデオは https://yaepiii.github.io/CAD-Mesher/ で公開されています。

要約(オリジナル)

Most LiDAR odometry and SLAM systems construct maps in point clouds, which are discrete and sparse when zoomed in, making them not directly suitable for navigation. Mesh maps represent a dense and continuous map format with low memory consumption, which can approximate complex structures with simple elements, attracting significant attention of researchers in recent years. However, most implementations operate under a static environment assumption. In effect, moving objects cause ghosting, potentially degrading the quality of meshing. To address these issues, we propose a plug-and-play meshing module adapting to dynamic environments, which can easily integrate with various LiDAR odometry to generally improve the pose estimation accuracy of odometry. In our meshing module, a novel two-stage coarse-to-fine dynamic removal method is designed to effectively filter dynamic objects, generating consistent, accurate, and dense mesh maps. To our best know, this is the first mesh construction method with explicit dynamic removal. Additionally, conducive to Gaussian process in mesh construction, sliding window-based keyframe aggregation and adaptive downsampling strategies are used to ensure the uniformity of point cloud. We evaluate the localization and mapping accuracy on five publicly available datasets. Both qualitative and quantitative results demonstrate the superiority of our method compared with the state-of-the-art algorithms. The code and introduction video are publicly available at https://yaepiii.github.io/CAD-Mesher/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google