Open Buddies-as-you-know opened 11 months ago
https://ieeexplore.ieee.org/abstract/document/9341176/
date: 24 October 2020 - 24 January 2021
LIO-SAMは最適化ベースのタイトリーカップルなライダーIMUフレームワークを提案し、従来手法の制限を克服しつつ、高精度で効率的な位置推定とマッピングを実現しています。
スムージングとマッピングを介して密結合された LIDAR 慣性オドメトリのフレームワーク、LIO-SAMを開発
高精度でリアルタイムの移動ロボットの軌道推定とマップ構築を実現
LIO-SAMと呼ばれるライダーと慣性計測ユニット(IMU)を組み合わせた位置・姿勢推定とマッピングのシステムを提示
問題をファクタグラフ上に定式化し、多センサー融合とグローバル最適化を可能にする。
リアルタイム性能のための効率的な局所窓ベースのスキャンマッチング手法。
さまざまなプラットフォームと環境での広範な評価。
慣性計測ユニットとLiderを組み合わせている
ファクター グラフ上に構築された密結合 LIDAR 慣性オドメトリ フレームワークは、マルチセンサー フュージョンとグローバル最適化に適しています。
選択的に選択された新しいキーフレームを固定サイズの以前のサブキーフレームのセットに登録することにより、リアルタイムのパフォーマンスを可能にする、効率的なローカル スライディング ウィンドウ ベースのスキャン マッチング アプローチ。
提案されたフレームワークは、さまざまな規模、車両、環境にわたるテストで広範囲に検証されています。
論文リンク
https://ieeexplore.ieee.org/abstract/document/9341176/
title: "LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping"
date: 24 October 2020 - 24 January 2021
1. どんなもの?
LIO-SAMは最適化ベースのタイトリーカップルなライダーIMUフレームワークを提案し、従来手法の制限を克服しつつ、高精度で効率的な位置推定とマッピングを実現しています。
スムージングとマッピングを介して密結合された LIDAR 慣性オドメトリのフレームワーク、LIO-SAMを開発
高精度でリアルタイムの移動ロボットの軌道推定とマップ構築を実現
LIO-SAMと呼ばれるライダーと慣性計測ユニット(IMU)を組み合わせた位置・姿勢推定とマッピングのシステムを提示
2. 先行研究と比べてどこがすごいの?
先行研究の課題点
LOAMやLIOMなどの既存のライダー・IMU手法には、精度、効率性、拡張性、他のセンサーとの統合能力などの制限がある。
問題をファクタグラフ上に定式化し、多センサー融合とグローバル最適化を可能にする。
リアルタイム性能のための効率的な局所窓ベースのスキャンマッチング手法。
さまざまなプラットフォームと環境での広範な評価。
3. 技術や手法の"キモ"はどこにある?
慣性計測ユニットとLiderを組み合わせている
ファクター グラフ上に構築された密結合 LIDAR 慣性オドメトリ フレームワークは、マルチセンサー フュージョンとグローバル最適化に適しています。
選択的に選択された新しいキーフレームを固定サイズの以前のサブキーフレームのセットに登録することにより、リアルタイムのパフォーマンスを可能にする、効率的なローカル スライディング ウィンドウ ベースのスキャン マッチング アプローチ。
提案されたフレームワークは、さまざまな規模、車両、環境にわたるテストで広範囲に検証されています。
4. どうやって有効だと検証した?
テスト環境とデータセット:
比較手法:
評価指標:
結果:
考察:
5. 議論はあるか?
6. 次に読むべき論文はあるか?
7.論文に使えそうな表現(あれば)
8.わかない単語
論文情報・リンク