[論文レビュー] Loam_livox: A fast, robust, high-precision LiDAR odometry and mapping package for LiDARs of small FoV

Jiarong Lin, Fu Zhang|arXiv (Cornell University)|Sep 15, 2019

Robotics and Sensor-Based Localization参考文献 16被引用数 38

ひとこと要約

Loam_livox は、robust な特徴抽出、運動補償、および並列化最適化を備え、小視野 FoV のソリッドステート LiDAR に対してリアルタイムの LiDAR odometry and mapping を提供します。オープンソース。

ABSTRACT

LiDAR odometry and mapping (LOAM) has been playing an important role in autonomous vehicles, due to its ability to simultaneously localize the robot's pose and build high-precision, high-resolution maps of the surrounding environment. This enables autonomous navigation and safe path planning of autonomous vehicles. In this paper, we present a robust, real-time LOAM algorithm for LiDARs with small FoV and irregular samplings. By taking effort on both front-end and back-end, we address several fundamental challenges arising from such LiDARs, and achieve better performance in both precision and efficiency compared to existing baselines. To share our findings and to make contributions to the community, we open source our codes on Github

研究の動機と目的

• 小視野 (FoV) を持つソリッド LiDAR の堅牢な SLAM の動機付けと実現
• 小視野 LiDAR に特化した前端特徴抽出と後端最適化を含む完全な LOAM パイプラインの開発
• LiDAR 特有の前端処理、運動補償、並列化された後端最適化による精度と効率の向上
• コミュニティの利用と研究を促進するオープンソース実装の提供

提案手法

• LiDAR の物理特性（深度、反射角、強度、入射角）を考慮して良好な点を抽出し、FoVの端部や遮蔽部近傍の選択的剪定を適用する
• エッジと平面のカテゴリに特徴を分類し、局所的な平滑度を用いて反射率を第四の特徴として補強し、小視野での劣化を緩和する
• エッジ対エッジおよび平面対平面の残差を用いた局所地図への現在フレーム特徴の整合を、KD-tree 最近傍探索で進める反復姿勢最適化を実施する
• 現在フレームの点をグローバル地図へ、エンドポイント姿勢または分割的姿勢調整のいずれかで投影して運動歪みを抑制する
• 二つの運動補償方式を導入する：分割処理（3つのサブフレームを並列でマッチング）と線形補間、分割処理の方が明示的に有利であることが示される
• 最適化中に残差を再評価し、動的オブジェクトを除去するアウトライヤの排除を実装する

実験結果

リサーチクエスチョン

• RQ1 小視野かつ反復的でないスキャンパターンを持つ LiDAR に対して LOAM 風の odometry と mapping を効果的に実現できるか？
• RQ2 前端の点選択と反射率の補強は、限られた特徴と動く物体下でのロバスト性をどう改善するか？
• RQ3 分割運動補償は連続運動 LiDAR に対して、線形補間より精度と速度を改善するか？
• RQ4 LOAM パイプラインを並列化し小視野 LiDAR に特化した場合のリアルタイム性能と精度の向上はどれほどか？

主な発見

プラットフォーム (構成)	我々の方法 (ms)	ベースライン (ms)
Desktop PC parallel (i7-9700K, 4.0–4.8 GHz)	35.68	109.00
Onboard PC parallel (DJI Manifold2, i7-8550U)	54.60	125.13

• 手法は約20 Hzでリアルタイムの odometry と mapping を実現する
• 分割処理は運動補償の精度と効率において線形補間を上回る
• エッジ対エッジおよび平面対平面の残差により、動的オブジェクトをフィルタリングしつつ頑健な姿勢最適化を実現
• GPS 比較での局所化精度が 0.41% および 0.65%、モーションキャプチャ比較でオイラ角誤差が約 1.1 度という結果を示す
• デスクトップおよび搭載プラットフォームで、提案手法はベースライン LOAM 実装より 2–3 倍速く動作。提案手法のフレーム時間は Desktop で 35.68 ms、Onboard で 54.60 ms、ベースラインは 109.00 ms および 125.13 ms
• 小視野と不規則なスキャンパターンにもかかわらず、システムは階段・レール・大規模構造物などの高品質なマッピングを維持する