LiDARセンサの強度情報を活用したロバストなLiDAR慣性オドメトリ

Основні поняття

LiDARの強度情報を活用することで、幾何学的に劣悪な環境でも高精度かつロバストなLiDAR慣性オドメトリを実現する。

Анотація

本研究では、COIN-LIOと呼ばれるLiDAR慣性オドメトリパイプラインを提案している。COIN-LIOは、LiDARの強度情報と幾何学的な点群登録を密結合することで、トンネルや平坦な環境などの幾何学的に劣悪な状況でも高いロバスト性を発揮する。

具体的には以下の手法を提案している:

1. LiDARの強度情報を画像に投影し、画像の明るさを均一化するフィルタリング手法を開発
2. 幾何学的に劣悪な方向を検出し、その方向と直交する強度特徴を選択する手法を提案
3. 選択した強度特徴の光度誤差を慣性測定値およびICP誤差と融合し、反復拡張カルマンフィルタで状態推定を行う

提案手法は、公開データセットおよび新規に作成したENWIDEデータセットにおいて、既存手法と比較して高精度かつロバストな性能を示した。特に幾何学的に劣悪な環境では、提案手法が大幅な性能向上を実現している。

Статистика

トンネル環境での絶対軌道誤差は0.743m、相対誤差は1.60%
交差点環境での絶対軌道誤差は0.466m、相対誤差は1.25%
平地環境での絶対軌道誤差は0.232m、相対誤差は0.85%

Цитати

"LiDARの強度情報を活用することで、幾何学的に劣悪な環境でも高精度かつロバストなLiDAR慣性オドメトリを実現する。"
"提案手法は、公開データセットおよび新規に作成したENWIDEデータセットにおいて、既存手法と比較して高精度かつロバストな性能を示した。"
"特に幾何学的に劣悪な環境では、提案手法が大幅な性能向上を実現している。"

Ключові висновки, отримані з

COIN-LIO: Complementary Intensity-Augmented LiDAR Inertial Odometry

by Patrick Pfre... о arxiv.org 04-26-2024

https://arxiv.org/pdf/2310.01235.pdf

Глибші Запити

提案手法の計算コストはどの程度か、実時間性能は確保できているか

COIN-LIOの計算コストは、1フレームあたり約29.7msであり、これはIntel i7-11800HモバイルCPU上での実行時間です。このうち、光度成分にかかる時間は約6.2msであり、主な計算負荷は従来の幾何学的手法に起因しています。この結果、COIN-LIOはリアルタイム性能を確保しつつ、計算コストを抑えています。

提案手法の一般化性能はどうか

COIN-LIOは、幾何学的に劣る環境でのロバスト性を向上させるために光度エラー最小化を組み込んでいます。このアプローチは、幾何学的に挑戦的な環境での性能を向上させるだけでなく、一般的な環境でも高い精度を実現しています。他のセンサ構成や環境条件においても同様の性能が得られる可能性がありますが、特定の高解像度LiDARに依存している点に留意する必要があります。

他のセンサ構成や環境条件でも同様の性能が得られるか

COIN-LIOの限界は、特定の高解像度LiDARに依存していることが挙げられます。この手法は、密な光度画像を作成し、高解像度の画像パッチを選択することで、環境の微細な詳細を捉えることができます。しかし、他のセンサ構成や低解像度LiDARのような状況では、性能に影響を与える可能性があります。さらに、COIN-LIOの実世界での汎用性や大規模な展開における実用性に関するさらなる検証が必要です。