Equivariant Filter for Tightly Coupled LiDAR-Inertial Odometry

要約

姿勢推定は、同時位置特定とマッピング (SLAM) における重要な問題です。
ただし、従来の拡張カルマン フィルター (EKF) は、特に慣性測定ユニット (IMU) や光検出測距 (LiDAR) の場合、モデルの非線形性の処理に苦労しているため、堅牢で一貫した状態推定器の開発は依然として大きな課題です。
姿勢推定の一貫した効率的なソリューションを提供するために、等変フィルター (EqF) に基づいた密結合 LIO システム用の堅牢な状態推定器である Eq-LIO を提案します。
$\SE_2(3)$ グループ構造に基づく不変カルマン フィルターと比較して、EqF は半直接積グループの対称性を使用して、IMU バイアス、ナビゲーション状態、LiDAR 外部キャリブレーション状態を含むシステム状態を結合することで、
線形化エラーを修正し、予期しない状態変化が発生した場合の推定器の動作を改善しました。
提案された Eq-LIO は自然な一貫性と高い堅牢性を備えており、これは数学的導出によって理論的に証明され、パブリック データセットとプライベート データセットの両方での一連のテストを通じて実験的に検証されています。

要約(オリジナル)

Pose estimation is a crucial problem in simultaneous localization and mapping (SLAM). However, developing a robust and consistent state estimator remains a significant challenge, as the traditional extended Kalman filter (EKF) struggles to handle the model nonlinearity, especially for inertial measurement unit (IMU) and light detection and ranging (LiDAR). To provide a consistent and efficient solution of pose estimation, we propose Eq-LIO, a robust state estimator for tightly coupled LIO systems based on an equivariant filter (EqF). Compared with the invariant Kalman filter based on the $\SE_2(3)$ group structure, the EqF uses the symmetry of the semi-direct product group to couple the system state including IMU bias, navigation state and LiDAR extrinsic calibration state, thereby suppressing linearization error and improving the behavior of the estimator in the event of unexpected state changes. The proposed Eq-LIO owns natural consistency and higher robustness, which is theoretically proven with mathematical derivation and experimentally verified through a series of tests on both public and private datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google