Performance Assessment of Lidar Odometry Frameworks: A Case Study at the Australian Botanic Garden Mount Annan

要約

自動運転車は世界中のさまざまな環境でテストされています。
ただし、森林や庭園などの自然の非構造化環境を表すデータセットの評価には、顕著なギャップが存在します。
これに対処するために、オーストラリアマウント・アナン植物園での位置特定に関する研究を紹介します。
このエリアには、開けた芝生エリア、舗装された小道、木やその他の物が茂る植生セクションが含まれます。
データセットは、128 ビームの LiDAR センサーと、自車を追跡するための GPS および IMU の読み取り値を使用して記録されました。
このペーパーでは、このデータセットに対する 2 つの最先端の LiDAR 慣性オドメトリ フレームワーク、COIN-LIO と LIO-SAM のパフォーマンスを評価します。
水平方向と垂直方向の両方で軌道推定値を分析し、さまざまな距離にわたる相対的な平行移動とヨー誤差を評価します。
私たちの調査結果では、どちらのフレームワークも垂直面では適切に機能しますが、COINLIO は水平面、特に延長された軌道では優れた精度を示していることが明らかになりました。
対照的に、LIO-SAM では、長距離ではドリフトとヨーの誤差が増加します。

要約(オリジナル)

Autonomous vehicles are being tested in diverse environments worldwide. However, a notable gap exists in evaluating datasets representing natural, unstructured environments such as forests or gardens. To address this, we present a study on localisation at the Australian Botanic Garden Mount Annan. This area encompasses open grassy areas, paved pathways, and densely vegetated sections with trees and other objects. The dataset was recorded using a 128-beam LiDAR sensor and GPS and IMU readings to track the ego-vehicle. This paper evaluates the performance of two state-of-the-art LiDARinertial odometry frameworks, COIN-LIO and LIO-SAM, on this dataset. We analyse trajectory estimates in both horizontal and vertical dimensions and assess relative translation and yaw errors over varying distances. Our findings reveal that while both frameworks perform adequately in the vertical plane, COINLIO demonstrates superior accuracy in the horizontal plane, particularly over extended trajectories. In contrast, LIO-SAM shows increased drift and yaw errors over longer distances.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google