論文の概要: PA-LVIO: Real-Time LiDAR-Visual-Inertial Odometry and Mapping with Pose-Only Bundle Adjustment
- arxiv url: http://arxiv.org/abs/2603.16228v2
- Date: Tue, 24 Mar 2026 09:22:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 15:07:29.971699
- Title: PA-LVIO: Real-Time LiDAR-Visual-Inertial Odometry and Mapping with Pose-Only Bundle Adjustment
- Title（参考訳）: PA-LVIO:実時間LiDAR-Visual-Inertial OdometryとPose-Only Bundle Adjustmentを用いたマッピング
- Authors: Hailiang Tang, Tisheng Zhang, Liqiang Wang, Xin Ding, Man Yuan, Xiaoji Niu,
- Abstract要約: リアルタイムLiDAR-visual-inertial odometry and mappingはインテリジェント交通システムにおけるナビゲーションおよび計画作業に不可欠である。
本研究では,リアルタイムナビゲーションとマッピングの緊急ニーズを満たすために,ポーズ専用バンドル調整 (PA) LiDAR-visual-inertial odometry (LVIO) を提案する。
- 参考スコア（独自算出の注目度）: 13.45058905888382
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-time LiDAR-visual-inertial odometry and mapping is crucial for navigation and planning tasks in intelligent transportation systems. This study presents a pose-only bundle adjustment (PA) LiDAR-visual-inertial odometry (LVIO), named PA-LVIO, to meet the urgent need for real-time navigation and mapping. The proposed PA framework for LiDAR and visual measurements is highly accurate and efficient, and it can derive reliable frame-to-frame constraints within multiple frames. A marginalization-free and frame-to-map (F2M) LiDAR measurement model is integrated into the state estimator to eliminate odometry drifts. Meanwhile, an IMU-centric online spatial-temporal calibration is employed to obtain a pixel-wise LiDAR-camera alignment. With accurate estimated odometry and extrinsics, a high-quality and RGB-rendered point-cloud map can be built. Comprehensive experiments are conducted on both public and private datasets collected by wheeled robot, unmanned aerial vehicle (UAV), and handheld devices with 28 sequences and more than 50 km trajectories. Sufficient results demonstrate that the proposed PA-LVIO yields superior or comparable performance to state-of-the-art LVIO methods, in terms of the odometry accuracy and mapping quality. Besides, PA-LVIO can run in real-time on both the desktop PC and the onboard ARM computer. The codes and datasets are open sourced on GitHub (https://github.com/i2Nav-WHU/PA-LVIO) to benefit the community.
- Abstract（参考訳）: リアルタイムLiDAR-visual-inertial odometry and mappingはインテリジェント交通システムにおけるナビゲーションおよび計画作業に不可欠である。
本研究は, リアルタイムナビゲーションとマッピングの緊急ニーズを満たすために, PA-LVIO (Phy-only bundle adjust (PA) LiDAR-visual-inertial odometry (LVIO) を提案する。
提案するLiDARと視覚計測のためのPAフレームワークは非常に正確で効率的であり,複数のフレーム内でのフレーム間の信頼性の制約を導出することができる。
境界化のないフレーム・ツー・マップ(F2M)LiDAR測定モデルを状態推定器に統合し,ドリフトを除去する。
一方、IMU中心のオンライン時空間キャリブレーションを用いて、画素ワイドLiDARカメラアライメントを得る。
正確な推定オドメトリーと外生学により、高品質でRGBレンダリングされたポイントクラウドマップを構築することができる。
総合的な実験は、車輪付きロボット、無人航空機(UAV)、28のシーケンスと50km以上の軌道を持つハンドヘルドデバイスによって収集されたパブリックデータセットとプライベートデータセットの両方で実施される。
提案したPA-LVIO法は, ドメトリー精度とマッピング品質の観点から, 最先端のLVIO法よりも優れた性能を示した。
また、PA-LVIOはデスクトップPCとオンボードARMコンピュータの両方でリアルタイムに動作可能である。
コードとデータセットはGitHub(https://github.com/i2Nav-WHU/PA-LVIO)でオープンソースとして公開されている。
関連論文リスト
- NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - LiVisSfM: Accurate and Robust Structure-from-Motion with LiDAR and Visual Cues [7.911698650147302]
LiVisSfMは、LiDARとビジュアルキューを完全に組み合わせたSfMベースの再構築システムである。
本稿では,LiDARのフレーム登録を革新的に行うLiDAR-visual SfM法を提案する。
論文 参考訳（メタデータ） (2024-10-29T16:41:56Z) - 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) - FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry [28.606325312582218]
我々は,SLAMタスクにおける高精度かつ堅牢な状態推定を実現するために,高速かつ直接的LiDAR慣性・視覚的オドメトリーフレームワークであるFAST-LIVO2を提案する。
FAST-LIVO2はIMU、LiDAR、画像計測を逐次更新戦略で効率的に融合する。
本稿では,FAST-LIVO2のリアルタイムナビゲーション,空中マッピング,3次元モデルレンダリングの3つの応用例を示す。
論文 参考訳（メタデータ） (2024-08-26T06:01:54Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳（メタデータ） (2022-09-22T13:12:54Z) - R$^3$LIVE++: A Robust, Real-time, Radiance reconstruction package with a
tightly-coupled LiDAR-Inertial-Visual state Estimator [5.972044427549262]
同時ローカライゼーションとマッピング(SLAM)は、自律ロボット(例えば、自動運転車、無人ドローン)、3Dマッピングシステム、AR/VRアプリケーションに不可欠である。
この研究は、R$3$LIVE++と呼ばれる新しいLiDAR-慣性-視覚融合フレームワークを提案した。
論文 参考訳（メタデータ） (2022-09-08T09:26:20Z) - 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) - Robust Odometry and Mapping for Multi-LiDAR Systems with Online
Extrinsic Calibration [15.946728828122385]
本稿では,複数のLiDARのロバストかつ同時キャリブレーション,オドメトリー,マッピングを実現するシステムを提案する。
キャリブレーションとSLAMのための10列(全長4.60km)の広範囲な実験により,本手法の性能を検証した。
提案手法は,様々なマルチLiDARセットアップのための完全で堅牢なシステムであることを示す。
論文 参考訳（メタデータ） (2020-10-27T13:51:26Z)
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。