論文の概要: A Tightly Coupled LiDAR-IMU Odometry through Iterated Point-Level
Undistortion
- arxiv url: http://arxiv.org/abs/2209.12249v1
- Date: Sun, 25 Sep 2022 15:48:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 17:35:29.051466
- Title: A Tightly Coupled LiDAR-IMU Odometry through Iterated Point-Level
Undistortion
- Title(参考訳): 反復点レベル歪みによる高結合LiDAR-IMUオドメトリー
- Authors: Keke Liu, Hao Ma, Zemin Wang
- Abstract要約: Scan undistortionは、高ダイナミック環境におけるLiDARオドメトリーの鍵となるモジュールである。
繰り返し点レベルの歪みに対処するLiDAR-IMUオドメトリーの最適化を提案する。
- 参考スコア(独自算出の注目度): 10.399676936364527
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scan undistortion is a key module for LiDAR odometry in high dynamic
environment with high rotation and translation speed. The existing line of
studies mostly focuses on one pass undistortion, which means undistortion for
each point is conducted only once in the whole LiDAR-IMU odometry pipeline. In
this paper, we propose an optimization based tightly coupled LiDAR-IMU odometry
addressing iterated point-level undistortion. By jointly minimizing the cost
derived from LiDAR and IMU measurements, our LiDAR-IMU odometry method performs
more accurate and robust in high dynamic environment. Besides, the method
characters good computation efficiency by limiting the quantity of parameters.
- Abstract(参考訳): Scan Undistortionは、高い回転と翻訳速度を持つ高ダイナミック環境におけるLiDARオドメトリーのキーモジュールである。
既存の研究の行は、主に1つのパスの歪みに焦点を当てており、つまり各ポイントの歪みは、LiDAR-IMUオドメトリーパイプライン全体で1回だけ実行されることを意味する。
本稿では,繰り返し点レベルの歪みに対処するLiDAR-IMUオドメトリーの最適化を提案する。
LiDAR と IMU 測定から得られるコストを最小化することにより,LiDAR-IMU のオドメトリー法は高ダイナミック環境下でより正確で堅牢な処理を行うことができる。
さらに、パラメータの量を制限することにより、計算効率が向上する。
関連論文リスト
- Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳(メタデータ) (2023-11-30T13:50:21Z) - AirIMU: Learning Uncertainty Propagation for Inertial Odometry [6.03353753206005]
IMUに固有の非線形性をカプセル化する学習ベース手法を開発した。
また、共分散の正確な伝播をデータ駆動方式で保証する。
本手法は慣性オードメトリーの先進的発展の基礎となる。
論文 参考訳(メタデータ) (2023-10-07T17:08:22Z) - Traj-LO: In Defense of LiDAR-Only Odometry Using an Effective
Continuous-Time Trajectory [20.452961476175812]
本文では,LiDARのみのオドメトリーを連続的視点で検討する。
提案するTraj-LOアプローチは,LiDARの空間的・時間的一貫した動きを回復しようとする。
私たちの実装はGitHubでオープンソース化されています。
論文 参考訳(メタデータ) (2023-09-25T03:05:06Z) - Optimal baseline exploitation in vertical dark-matter detectors based on
atom interferometry [50.06952271801328]
長基線原子干渉計に基づく重力波やダークマターの地上検出器は、現在、最終計画段階にあるか、既に建設中である。
マルチダイアモンド噴水グレーディメータを用いた共振モード検出器は,その高さが利用可能なベースラインの20%を占める場合,最適なショットノイズ制限を達成できることを示す。
論文 参考訳(メタデータ) (2023-09-08T08:38:24Z) - Regularization and Variance-Weighted Regression Achieves Minimax
Optimality in Linear MDPs: Theory and Practice [79.48432795639403]
ミラー降下値反復(MDVI)は、KL(Kulback-Leibler)とRL(Entropy-regularized reinforcement learning)の抽象化である。
MDVIを線形関数近似を用いて研究し,$varepsilon$-optimal policyを同定するために必要なサンプル複雑性について検討した。
我々は,無限水平線形MDPに対して,最小限のサンプル複雑性を実現する最初の理論的アルゴリズムである分散重み付き最小二乗法MDVIを提案する。
論文 参考訳(メタデータ) (2023-05-22T16:13:05Z) - Visual-LiDAR Odometry and Mapping with Monocular Scale Correction and
Visual Bootstrapping [0.7734726150561089]
低ドリフト特性を有する新しい視覚-LiDARオドメトリーおよびマッピング法を提案する。
提案手法は,ORB-SLAM と A-LOAM の2つの一般的な手法に基づく。
ORB-SLAM2 と A-LOAM を比較検討した。
論文 参考訳(メタデータ) (2023-04-18T13:20:33Z) - Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。
MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する
我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文 参考訳(メタデータ) (2022-10-24T16:54:18Z) - PaGO-LOAM: Robust Ground-Optimized LiDAR Odometry [7.111443975103329]
地上最適化LiDARオドメトリーは、通常、前処理法としてグラウンドセグメンテーションを用いる。
本稿では, 地盤のセグメンテーションがLiDAR SLAMに与える影響を確認するために, 強靭な地盤最適化LiDARオドメトリーフレームワークを提案する。
これらの手法は, KITTI odometry データセットを用いて検討した。
論文 参考訳(メタデータ) (2022-06-01T06:50:44Z) - Learning High-Precision Bounding Box for Rotated Object Detection via
Kullback-Leibler Divergence [100.6913091147422]
既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。
本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
論文 参考訳(メタデータ) (2021-06-03T14:29:19Z) - MuSCLE: Multi Sweep Compression of LiDAR using Deep Entropy Models [78.93424358827528]
本稿では,LiDARセンサデータのストレージストリームを削減するための新しい圧縮アルゴリズムを提案する。
本手法は,従来のLiDAR圧縮法よりも接合形状と強度を著しく低減する。
論文 参考訳(メタデータ) (2020-11-15T17:41:14Z) - Efficient Real-Time Radial Distortion Correction for UAVs [1.7149364927872015]
慣性測定ユニット(IMU)を備えた無人航空機(UAV)の車載半径歪み補正のための新しいアルゴリズムを提案する。
このアプローチは校正手順を冗長にし、即時光の交換を可能にする。
焦点長, 半径歪み分布, 運動パラメータをホモグラフから同時に推定する高速で頑健な最小解法を提案する。
論文 参考訳(メタデータ) (2020-10-08T18:34:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。