SuperLoc: The Key to Robust LiDAR-Inertial Localization Lies in Predicting Alignment Risks

要約

地図ベースの LiDAR 位置特定は自律システムで広く使用されていますが、明確な幾何学的特徴が欠如しているため、劣化した環境では重大な課題に直面しています。
このペーパーでは、既存の方法の主要な制限に対処する堅牢な LiDAR ローカリゼーション パッケージである SuperLoc を紹介します。
SuperLoc は、新しい予測的アライメント リスク評価技術を備えており、最適化する前に潜在的な障害を早期に検出して軽減することができます。
このアプローチにより、廊下、トンネル、洞窟などの困難なシナリオでのパフォーマンスが大幅に向上します。
最適化後の分析とヒューリスティックしきい値に依存する既存の縮退緩和アルゴリズムとは異なり、SuperLoc は生のセンサー測定値の局所性を評価します。
実験結果は、さまざまな劣化環境において、最先端の方法と比べて大幅なパフォーマンスの向上を示しています。
私たちのアプローチは 54% の精度の向上を達成し、最高の堅牢性を示します。
さらなる研究を促進するために、8 つの困難なシナリオからのデータセットとともに実装をリリースします。

要約(オリジナル)

Map-based LiDAR localization, while widely used in autonomous systems, faces significant challenges in degraded environments due to lacking distinct geometric features. This paper introduces SuperLoc, a robust LiDAR localization package that addresses key limitations in existing methods. SuperLoc features a novel predictive alignment risk assessment technique, enabling early detection and mitigation of potential failures before optimization. This approach significantly improves performance in challenging scenarios such as corridors, tunnels, and caves. Unlike existing degeneracy mitigation algorithms that rely on post-optimization analysis and heuristic thresholds, SuperLoc evaluates the localizability of raw sensor measurements. Experimental results demonstrate significant performance improvements over state-of-the-art methods across various degraded environments. Our approach achieves a 54% increase in accuracy and exhibits the highest robustness. To facilitate further research, we release our implementation along with datasets from eight challenging scenarios

arxiv情報

提供元, 利用サービス

arxiv.jp, Google