抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
同時位置決めとマッピング(SLAM)タスクにおける正確でロバストな姿勢推定を達成するために,マルチセンサ融合は有効な解決策であり,ロボットアプリケーションにおいて大きな可能性を提供する。本論文では,FAST-LIVO(高速LiDAR-慣性-Visual Odometric System)を提案し,これは,2つの緊密結合および直接オドメトリサブシステム:VIOサブシステムおよびLIOサブシステム上に構築する。LIOサブシステムは,インクリメンタルに組み立てられたポイントクラウドマップへの新しいスキャンの生点(例えば,エッジまたは平面上の特徴点の代わりに)を登録する。マップポイントは,さらに画像パッチに付加され,次にVIOサブシステムで使用され,視覚特徴(例えばORBまたはFASTコーナー特徴)を抽出することなく,直接測光誤差を最小化することにより新しい画像を整列させる。VIOロバスト性と精度をさらに改善するために,エッジ上にある不安定なマップポイントを拒絶し,画像ビューに閉塞する新しい異常値排除法を提案した。オープンデータシーケンスと著者らのカスタム化デバイスデータの両方に関する実験を行った。結果は,提案システムが他の対応物より性能が優れ,計算コスト低減で困難な環境を扱うことができることを示す。このシステムは,完全に異なる走査パターンを有するマルチラインスピニングLiDARと新興固体LiDARの両方を支持し,IntelとARMプロセッサの両方で実時間で実行できた。ロボットのコミュニティに利益を与えるため,Githubに関する本研究のコードとデータセットを公開した。【JST・京大機械翻訳】