本稿では、LiDARベースのSLAMシステムにおいて、学習ベースの特徴抽出器を用いることで、従来手法と同等以上のローカライゼーション精度を維持しながら、メモリ使用量を大幅に削減できることを示す。
본 논문에서는 LiDAR SLAM의 정확도는 유지하면서 메모리 사용량을 줄이기 위해 학습 기반 특징 추출기를 사용하는 새로운 LiDAR 관성 주행거리 측정 및 매핑 시스템인 DFLIOM을 제안합니다.
本文提出了一種名為 DFLIOM 的新型 LiDAR 慣性里程計與建圖系統,該系統利用學習的註冊相關特徵來選擇點雲,從而實現更精確的定位和更低的記憶體使用量。
This paper introduces C$^3$P-VoxelMap, a new probabilistic voxel mapping method for LiDAR odometry that offers significant improvements in memory efficiency, processing speed, and mapping accuracy compared to existing methods.
C3P-VoxelMap은 메모리 효율성, 정확성, 성능을 향상시키기 위해 콤팩트하고 누적 및 병합 가능한 확률적 복셀 맵핑 방법을 제시하여 기존 방법의 단점을 해결하고 LiDAR 주행거리 측정 및 매핑 성능을 향상시킵니다.
본 논문에서는 단기, 중기, 장기 및 다중 맵 데이터 연결을 완전히 활용하여 실시간 추정 및 고정밀 매핑을 달성하는 완전하고 정확하며 다재다능한 LiDAR 관성 SLAM 시스템인 Voxel-SLAM을 제안합니다.