A Real-time Degeneracy Sensing and Compensation Method for Enhanced LiDAR SLAM

要約

LiDAR は、同時位置特定とマッピング (SLAM) と自動運転で広く使用されています。
LiDAR オドメトリは、マルチセンサー フュージョンにおいて非常に重要です。
ただし、一部の非構造化環境では、幾何学的特徴がまばらであるため、点群登録で LiDAR の姿勢を制約することができず、マルチセンサー フュージョンの精度の低下につながります。
この問題に対処するために、LiDAR の縮退を感知して補償するための新しいリアルタイム アプローチを提案します。
まず、本論文では、LiDAR の縮退を測定できる、明確な意味を持つ縮退係数を紹介します。
次に、DBSCAN (Density-Based Spatial Clustering of Applications with Noise) クラスタリング手法は、環境一般化を改善して縮退を適応的に認識します。
最後に、縮退認識の結果を利用して LiDAR と IMU を融合し、縮退の影響に効果的に対抗します。
データセットの実験により、この方法の高精度と堅牢性が示され、さまざまな環境や LiDAR スキャン方式に対するアルゴリズムの適応性が検証されました。

要約(オリジナル)

LiDAR is widely used in Simultaneous Localization and Mapping (SLAM) and autonomous driving. The LiDAR odometry is of great importance in multi-sensor fusion. However, in some unstructured environments, the point cloud registration cannot constrain the poses of the LiDAR due to its sparse geometric features, which leads to the degeneracy of multi-sensor fusion accuracy. To address this problem, we propose a novel real-time approach to sense and compensate for the degeneracy of LiDAR. Firstly, this paper introduces the degeneracy factor with clear meaning, which can measure the degeneracy of LiDAR. Then, the Density-Based Spatial Clustering of Applications with Noise (DBSCAN) clustering method adaptively perceives the degeneracy with better environmental generalization. Finally, the degeneracy perception results are utilized to fuse LiDAR and IMU, thus effectively resisting degeneracy effects. Experiments on our dataset show the method’s high accuracy and robustness and validate our algorithm’s adaptability to different environments and LiDAR scanning modalities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google