論文の概要: Accurate Calibration and Robust LiDAR-Inertial Odometry for Spinning Actuated LiDAR Systems

• arxiv url: http://arxiv.org/abs/2601.15946v2
• Date: Sat, 24 Jan 2026 08:44:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.904835
• Title: Accurate Calibration and Robust LiDAR-Inertial Odometry for Spinning Actuated LiDAR Systems
• Title（参考訳）: 回転駆動LiDARシステムの高精度校正とロバストLiDAR慣性オドメトリー
• Authors: Zijie Chen, Xiaowei Liu, Yong Xu, Shenghai Yuan, Jianping Li, Lihua Xie,
• Abstract要約: この手紙は、デナヴィト=ハルテンベルク条約に基づいて、標的のないLiDARモーターキャリブレーション(LM-Calibr)を提示する。 様々な配置のLiDARモーターシステムの校正をサポートする。 EVA-LIOは空間スケールに応じてダウンサンプルレートとマップ解像度を適応的に選択する。
• 参考スコア（独自算出の注目度）: 40.38362009762446
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate calibration and robust localization are fundamental for downstream tasks in spinning actuated LiDAR applications. Existing methods, however, require parameterizing extrinsic parameters based on different mounting configurations, limiting their generalizability. Additionally, spinning actuated LiDAR inevitably scans featureless regions, which complicates the balance between scanning coverage and localization robustness. To address these challenges, this letter presents a targetless LiDAR-motor calibration (LM-Calibr) on the basis of the Denavit-Hartenberg convention and an environmental adaptive LiDAR-inertial odometry (EVA-LIO). LM-Calibr supports calibration of LiDAR-motor systems with various mounting configurations. Extensive experiments demonstrate its accuracy and convergence across different scenarios, mounting angles, and initial values. Additionally, EVA-LIO adaptively selects downsample rates and map resolutions according to spatial scale. This adaptivity enables the actuator to operate at maximum speed, thereby enhancing scanning completeness while ensuring robust localization, even when LiDAR briefly scans featureless areas. The source code and hardware design are available on GitHub: \textcolor{blue}{\href{https://github.com/zijiechenrobotics/lm_calibr}{github.com/zijiechenrobotics/lm\_calibr}}. The video is available at \textcolor{blue}{\href{https://youtu.be/cZyyrkmeoSk}{youtu.be/cZyyrkmeoSk}}
• Abstract（参考訳）: 正確なキャリブレーションとロバストなローカライゼーションは、回転駆動LiDARアプリケーションにおける下流タスクの基礎となる。 しかし、既存の手法では、異なる配置構成に基づいて外部パラメータをパラメータ化し、それらの一般化性を制限する必要がある。 さらに、回転したLiDARは必然的に非機能領域をスキャンし、スキャンカバレッジとローカライゼーションロバストネスのバランスを複雑化する。 これらの課題に対処するために、Denavit-Hartenberg 条約と環境適応型LiDAR-慣性オドメトリー(EVA-LIO)に基づいて、ターゲットレスLiDAR-運動量校正(LM-Calibr)を提示する。 LM-CalibrはLiDARモーターシステムのキャリブレーションをサポートする。 広範囲な実験は、その精度と様々なシナリオ、取り付け角度、初期値の収束を実証している。 さらに、EVA-LIOは空間スケールに応じてダウンサンプルレートとマップ解像度を適応的に選択する。 この適応性により、アクチュエータは最大速度で動作でき、LiDARが特徴のない領域を短時間スキャンしても、ロバストなローカライゼーションを確保しながら、スキャン完全性を向上させることができる。 ソースコードとハードウェア設計はGitHubで入手できる。 \textcolor{blue}{\href{https://github.com/zijiechenrobotics/lm_calibr}{github.com/zijiechenrobotics/lm\_calibr}}。 ビデオは \textcolor{blue}{\href{https://youtu.be/cZyyrkmeoSk}{youtu.be/cZyyrkmeoSk}} で公開されている。

関連論文リスト

• RLCNet: An end-to-end deep learning framework for simultaneous online calibration of LiDAR, RADAR, and Camera [2.825460805162022]
  本稿では,LiDAR,RADAR,カメラセンサのオンライン校正を同時に行うための,エンドツーエンドのトレーニング可能な新しいディープラーニングフレームワークであるRCCNetを提案する。 重み付けされた移動平均と外れ値の拒絶を組み込んだオンラインキャリブレーションフレームワークを導入し、キャリブレーションパラメータの動的調整を可能にする。 一方,既存手法との比較では,提案手法の精度とロバスト性に優れていた。
  論文  参考訳（メタデータ） (2025-12-09T05:38:30Z)
• DLBAcalib: Robust Extrinsic Calibration for Non-Overlapping LiDARs Based on Dual LBA [11.721420447780032]
  本稿では,マルチLiDARシステムのための新しいターゲットレス外部キャリブレーションフレームワークを提案する。 提案手法は,目標LiDARからの連続走査により,正確な基準点クラウドマップを構築する。 本フレームワークでは,平均翻訳誤差が5mm,回転誤差が0.2deg,初期誤差が0.4m/30degである。
  論文  参考訳（メタデータ） (2025-07-12T07:48:02Z)
• Targetless 6DoF Calibration of LiDAR and 2D Scanning Radar Based on Cylindrical Occupancy [8.895838973148452]
  LiRaCoは、LiDARとレーダーセンサーの外部6DoFキャリブレーションのためのターゲットレスキャリブレーションアプローチである。 LiRaCoは、LiDAR点雲とRadarスキャンの間の空間占有一貫性を共通円筒表現で活用する。 外部キャリブレーションパラメータを含むコスト関数は、3次元格子とLiDAR点の空間的重なりに基づいて定式化する。
  論文  参考訳（メタデータ） (2025-03-21T10:09:04Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• CROON: Automatic Multi-LiDAR Calibration and Refinement Method in Road Scene [15.054452813705112]
  CROON(AutomatiC multi-LiDAR CalibratiOn and Refinement method in rOad sceNe)は、粗さと精細度校正を含む2段階法である。 実世界のデータセットとシミュレーションデータセットの結果から,本手法の信頼性と精度が示された。
  論文  参考訳（メタデータ） (2022-03-07T07:36:31Z)
• End-To-End Optimization of LiDAR Beam Configuration for 3D Object Detection and Localization [87.56144220508587]
  与えられたアプリケーションに対するLiDARビーム構成の最適化を学ぶために、新しい経路を取る。 ビーム構成を自動的に最適化する強化学習に基づく学習最適化フレームワークを提案する。 本手法は低解像度(低コスト)のLiDARが必要な場合に特に有用である。
  論文  参考訳（メタデータ） (2022-01-11T09:46:31Z)

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。