[論文レビュー] Multi-Modal Lidar Dataset for Benchmarking General-Purpose Localization and Mapping Algorithms

Qingqing Li, Xianjia Yu+2 more|arXiv (Cornell University)|Mar 7, 2022

Remote Sensing and LiDAR Applications被引用数 4

ひとこと要約

本論文は、スピン式（16, 64, 128チャンネル）および固体状態式（Livox Horizon, Avia）の5種類の多様なLiDARセンサに加え、LiDARカメラを備えた、新しいマルチモーダルLiDARデータセットを紹介している。このデータセットは、屋内、屋外、森林、都市環境で収集され、モーションキャプチャ（MOCAP）システムを用いてサブミリメートルの精度で正確な真値が得られている。このデータセットにより、汎用SLAMアルゴリズムのベンチマークが可能となり、特に森林のような屋外環境では固体状態式LiDARがスピン式LiDARを上回る性能（平均ATE 4 cm）を示す一方、屋内環境ではスピン式LiDARが全視野をカバーするため、より高い耐障害性を示すことが明らかになった。

ABSTRACT

Lidar technology has evolved significantly over the last decade, with higher resolution, better accuracy, and lower cost devices available today. In addition, new scanning modalities and novel sensor technologies have emerged in recent years. Public datasets have enabled benchmarking of algorithms and have set standards for the cutting edge technology. However, existing datasets are not representative of the technological landscape, with only a reduced number of lidars available. This inherently limits the development and comparison of general-purpose algorithms in the evolving landscape. This paper presents a novel multi-modal lidar dataset with sensors showcasing different scanning modalities (spinning and solid-state), sensing technologies, and lidar cameras. The focus of the dataset is on low-drift odometry, with ground truth data available in both indoors and outdoors environment with sub-millimeter accuracy from a motion capture (MOCAP) system. For comparison in longer distances, we also include data recorded in larger spaces indoors and outdoors. The dataset contains point cloud data from spinning lidars and solid-state lidars. Also, it provides range images from high resolution spinning lidars, RGB and depth images from a lidar camera, and inertial data from built-in IMUs. This is, to the best of our knowledge, the lidar dataset with the most variety of sensors and environments where ground truth data is available. This dataset can be widely used in multiple research areas, such as 3D LiDAR simultaneous localization and mapping (SLAM), performance comparison between multi-modal lidars, appearance recognition and loop closure detection. The datasets are available at: https://github.com/TIERS/tiers-lidars-dataset.

研究の動機と目的

• 汎用ローカライゼーションおよびマッピングアルゴリズムのベンチマークに適した、多様でマルチモーダルなLiDARデータセットが、正確な真値を伴って不足している現状を是正すること。
• 高解像度スピン式、固体状態式、LiDARカメラセンサを含む多様なLiDARタイプを含めることで、センサに依存しないSLAM研究を支援すること。
• 屋内および屋外環境における、異なるスキャンモダリティ、視野制限、スキャンパターンの性能比較を可能にすること。
• 森林など、既存のデータセットで不足しがちな困難な環境における高精度な真値を提供すること。
• 特に構造的でない、特徴が乏しい環境における、マルチセンサ統合および耐障害性の高いLiDARオドメトリの研究を促進すること。

提案手法

• 本データセットは、5種類の異なるLiDARセンサと1台のLiDARカメラを統合したマルチモーダルなデータ収集プラットフォームを用いて収集された。各センサは、固有のスキャンモダリティと視野特性を有する。
• 真値トラジェクトリは、屋内および屋外環境でサブミリメートルの精度を持つ高精度なモーションキャプチャ（MOCAP）システムを用いて記録された。
• 本データセットには、スピン式LiDAR（VLP-16, OS1-64, OS1-128）の同期された点群、高解像度スピン式LiDARのレンジ画像、RealSense L515 LiDARカメラのRGB/深度画像が含まれる。
• LiDARに内蔵されたIMUからの慣性データも記録され、タイトに結合されたSLAMおよびモーション補正を支援している。
• 長距離性能とマッピング品質の評価を目的として、大規模な屋内ホールおよび都市道路のシーケンスが含まれている。
• 標準的なSLAMアルゴリズム（例：LeGo-LOAM, FLIO, LIOL）を異なるセンサデータに適用し、センサタイプおよび環境ごとの性能を定量的に比較した。

実験結果

リサーチクエスチョン

• RQ1 多様な環境において、一般化されたSLAMアルゴリズムは、固体状態式LiDARとスピン式LiDARのどちらに対してより良好に動作するか？
• RQ2 視野が制限されており、繰り返しのないスキャンパターンを有するLiDARが、オドメトリおよびマッピングの精度と安定性に与える影響は何か？
• RQ3 森林のような屋外の特徴が乏しい環境において、固体状態式LiDARはスピン式LiDARと同等またはそれ以上の性能を達成できるか？
• RQ4 スピン式LiDARの垂直方向解像度とスキャン密度が向上するにつれて、SLAMアルゴリズムの性能はどのように変化するか？
• RQ5 複雑な屋内環境において、既存のSLAMアルゴリズムは固体状態式LiDARデータに適用された際に、どの程度失敗または発散するか？

主な発見

• 屋外の森林環境（Forest01, Forest02, Road02）では、特にHorizon LiDARを用いたLIOLベースのSLAMシステムが、平均絶対軌道誤差（ATE）4 cmという優れた精度を達成し、スピン式LiDARを上回った。
• 屋内環境（Indoor01, Indoor02）では、すべての固体状態式LiDARベースのSLAMシステムに顕著なドリフトが生じ、HorizonベースのLIOLは最初のループでさえ正しく再構築できなかったが、スピン式LiDARベースの手法は安定的かつ正確に動作した。
• 高い垂直方向解像度（例：OS1-128）を有するスピン式LiDARは、屋内環境で低いATEを示し、特徴が乏しく構造的な屋内環境では、幾何学的カバレッジの向上が耐障害性を高めることを確認した。
• 長大なコロシアムシーケンス（Indoor04）では、OS1ベースのFLIOに角度のドリフトが生じたが、HorizonおよびAviaベースのアルゴリズムは発散した。これは、制限された屋内空間における長時間の運動において、固体状態式LiDARベースのSLAMが不安定であることを示している。
• マッピング品質の分析から、LIOLを固体状態式LiDARデータに適用した場合、デフォルトのパラメータ設定およびハイパーパラメータチューニングなしでも、都市部およびオープンロード環境で最も詳細で明確なマップが得られた。
• 本データセットは、スピン式LiDARと固体状態式LiDARの間で明確な性能差を示している。スピン式LiDARは多様な環境においてより耐障害性が高く、一方で固体状態式LiDARは特定の屋外シナリオにおいて優れたコストパフォーマンスを提供する。