要約
SLAM (Simultaneous Localization and Mapping) は、信頼性の高い位置特定のために一貫したマップを必要とする環境で動作する自律システムの重要なコンポーネントです。
SLAM は数十年にわたって広く研究されてきたトピックであり、ほとんどのソリューションはカメラまたは LiDAR ベースです。
初期の LiDAR ベースのアプローチは主に 2D データに依存していましたが、より最近のフレームワークでは 3D データが使用されています。
この研究では、都市環境における最近の 3D LiDAR ベースの Graph-SLAM 手法を調査し、その長所、短所、および限界を比較することを目的としています。
さらに、LiDAR 解像度、つまり 64 対 128 チャネルに関する堅牢性を評価します。
SLAM 手法に関しては、KITTI オドメトリ データセット (64 チャンネルのみの LiDAR) と新しいデータセット (AUTONOMOS) を使用して、現実世界の都市環境で SC-LeGO-LOAM、SC-LIO-SAM、Cartographer、および HDL-Graph を評価します。
-LABS)。
後者のデータセットは、ベルリン郊外を走行する計装車両を使用して収集されたもので、64 台と 128 台の両方の LiDAR で構成されています。
実験結果は定量的な「メトリクス」の観点から報告され、定性的なマップによって補完されます。
要約(オリジナル)
Simultaneous Localization and Mapping (SLAM) is a key component of autonomous systems operating in environments that require a consistent map for reliable localization. SLAM has been a widely studied topic for decades with most of the solutions being camera or LiDAR based. Early LiDAR-based approaches primarily relied on 2D data, whereas more recent frameworks use 3D data. In this work, we survey recent 3D LiDAR-based Graph-SLAM methods in urban environments, aiming to compare their strengths, weaknesses, and limitations. Additionally, we evaluate their robustness regarding the LiDAR resolution namely 64 $vs$ 128 channels. Regarding SLAM methods, we evaluate SC-LeGO-LOAM, SC-LIO-SAM, Cartographer, and HDL-Graph on real-world urban environments using the KITTI odometry dataset (a LiDAR with 64-channels only) and a new dataset (AUTONOMOS-LABS). The latter dataset, collected using instrumented vehicles driving in Berlin suburban area, comprises both 64 and 128 LiDARs. The experimental results are reported in terms of quantitative `metrics’ and complemented by qualitative maps.
arxiv情報
| 著者 | J. Jorge,T. Barros,C. Premebida,M. Aleksandrov,D. Goehring,U. J. Nunes |
| 発行日 | 2024-10-22 16:50:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google