LIO-PPF：通过增量式平面预拟合与骨架跟踪实现的快速激光雷达-惯性里程计
机器人学
2023-08-04 v3
摘要
作为智能移动机器人的关键基础设施，激光雷达-惯性里程计（LIO）通过跟踪激光雷达扫描提供状态估计的基本能力。高精度跟踪通常涉及 kNN 搜索，用于最小化点到平面距离。然而，其代价是维护一个大的局部地图并为每个点执行 kNN 平面拟合。在本工作中，我们通过节省这些不必要的开销来降低 LIO 的时间和空间复杂度。技术上，我们设计了一个平面预拟合（PPF）流水线来跟踪三维场景的基本骨架。在 PPF 中，平面不是针对每次扫描单独拟合，更非针对每个点，而是随着场景“流动”被增量更新。与 kNN 不同，通过我们的迭代主成分分析（iPCA）细化，PPF 对噪声和非严格平面更具鲁棒性。此外，引入了一个简单而有效的夹心层以消除错误的点到平面匹配。我们的方法在跨 5 个公开数据集共 22 个序列上进行了广泛测试，并在 3 个现有最先进 LIO 系统中评估。相比之下，LIO-PPF 仅消耗原始局部地图大小的 36% 即可实现高达 4 倍的残差计算加速和 1.92 倍的总体 FPS，同时保持同等精度水平。我们在 https://github.com/xingyuuchen/LIO-PPF 完全开源我们的实现。
引用
@article{arxiv.2302.14674,
title = {LIO-PPF: Fast LiDAR-Inertial Odometry via Incremental Plane Pre-Fitting and Skeleton Tracking},
author = {Xingyu Chen and Peixi Wu and Ge Li and Thomas H. Li},
journal= {arXiv preprint arXiv:2302.14674},
year = {2023}
}
备注
IROS 2023