LiPO: LiDAR Inertial Odometry for ICP Comparison

要約

LiPO と呼ばれる LiDAR 慣性オドメトリ (LIO) フレームワークを導入します。これにより、さまざまな反復最接近点 (ICP) 点群登録方法を直接比較できます。
比較する 2 つの一般的な ICP 方式は、ポイントツーポイント (P2P) とポイントツーフィーチャー (P2F) です。
私たちの経験では、LIO のコンテキスト内では、ロボットが困難な環境を積極的に移動する場合、P2F-ICP は P2P-ICP と比較してドリフトが少なく、マッピング精度が向上します。
ただし、P2F-ICP メソッドでは手動で調整されたハイパーパラメータがより多く必要になるため、P2F-ICP はすべての環境およびモーションにわたって汎用性が低くなります。
さまざまな環境でロボットが使用される現実のフィールド ロボット工学アプリケーションでは、ドリフトが増加しても、より一般的な P2P-ICP 方法が好まれる場合があります。
このペーパーでは、P2P-ICP と P2F-ICP の間のトレードオフをより適切に定量化し、各方法をいつ使用する必要があるかを知らせることを目指しています。
このトレードオフを調査するために、LiPO を使用して ICP 手法を直接比較し、関連するベンチマーク データセットおよびカスタムの無操縦地上車両 (UGV) でテストします。
全体として、P2F-ICP はドリフトを削減し、マッピング精度を向上させていますが、P2P-ICP はドリフトの増加を最小限に抑えながら、すべての環境とモーションにわたってより一貫性があることがわかりました。

要約(オリジナル)

We introduce a LiDAR inertial odometry (LIO) framework, called LiPO, that enables direct comparisons of different iterative closest point (ICP) point cloud registration methods. The two common ICP methods we compare are point-to-point (P2P) and point-to-feature (P2F). In our experience, within the context of LIO, P2F-ICP results in less drift and improved mapping accuracy when robots move aggressively through challenging environments when compared to P2P-ICP. However, P2F-ICP methods require more hand-tuned hyper-parameters that make P2F-ICP less general across all environments and motions. In real-world field robotics applications where robots are used across different environments, more general P2P-ICP methods may be preferred despite increased drift. In this paper, we seek to better quantify the trade-off between P2P-ICP and P2F-ICP to help inform when each method should be used. To explore this trade-off, we use LiPO to directly compare ICP methods and test on relevant benchmark datasets as well as on our custom unpiloted ground vehicle (UGV). We find that overall, P2F-ICP has reduced drift and improved mapping accuracy, but, P2P-ICP is more consistent across all environments and motions with minimal drift increase.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google