LIO-SAM:平滑化とマッピングによる緊密結合ライダ慣性オドメトリ【JST・京大機械翻訳】

Shan Tixiao; Englot Brendan; Meyers Drew; Wang Wei; Ratti Carlo; Rus Daniela

プレプリント

J-GLOBAL ID：202202205337997800 整理番号：22P0165877

LIO-SAM:平滑化とマッピングによる緊密結合ライダ慣性オドメトリ【JST・京大機械翻訳】

LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年07月01日プレプリントサーバーでの情報更新日： 2020年07月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

高精度,実時間移動ロボット軌道推定および地図構築を達成する,平滑化およびマッピング,LIO-SAMによる緊密結合ライダー慣性オドメトリーのためのフレームワークを提案した。LIO-SAMは,ループ閉鎖を含む多数の相対および絶対測定を可能にし,システムへの要因として異なる源から組み込むために,1因子グラフを,ライダー-慣性オドメトリーを定式化した。慣性測定ユニット(IMU)事前統合デスクッツポイントクラウドからの推定動きは,ライダーオドメトリ最適化のための初期推定を生成する。得られたライダオドメトリー解を用いて,IMUのバイアスを推定した。リアルタイムで高性能を確保するために,著者らは,グローバルマップにライダースキャンを整合するよりも,姿勢最適化のために古いライダースキャンを限界化する。グローバルスケールの代わりに局所スケールでのスキャンマッチングは,キーフレームの選択的導入と同様に,システムのリアルタイム性能を著しく改善し,事前の「サブサブキーフレームの固定サイズのセットに新しいキーフレームを登録する効率的なスライディングウィンドウアプローチを,様々なスケールと環境上の3つのプラットフォームから収集されたデータセット上で広範囲に評価した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

ロボットの運動・制御 , レーダ , 電子航法一般

, , , , ,

前のページに戻る