輪講発表資料です。 LOAM: Lidar Odometry and Mapping in Real-time Ji Zhang and Sanjiv Singh Robotics: Science and Systems Conference, July, 2014 http://www.frc.ri.cmu.edu/~jizhang03/

1. LOAM: Lidar Odometry and
Mapping in Real-time
PDF
J. Zhang and S. Singh
Robotics: Science and Systems Conference (RSS) 2014
輪講担当:有年亮博 2017/07/20

2. 2
Contribution
⾼精度LiDAR・IMU/GPSを必要とせずに、LiDARデータのみから
低ドリフト・低計算コストでSLAMがリアルタイムに⾏える

3. 3
評価③ - KITTIデータでのテスト結果
http://www.cvlibs.net/datasets/kitti/eval_odometry.php
現在３位の精度。LiDARデータのみを⽤いたアルゴリズムではトップ

4. 4
提案⼿法
オドメトリーとマッピング処理の分離

5. 5
システム構成
オドメトリーとマッピングアルゴリズムの分割
オドメトリー ： ⾼頻度・低精度（10Hz）
マッピング ： 低頻度・⾼精度（1Hz）

6. 6
アルゴリズム – ライダーオドメトリー
0. ⽤語定義
1. 特徴点抽出
2. 対応点探索
3. 動き推定

7. 7
0. ⽤語定義
スキャン： ・⼊⼒点群の最⼩単位
・レーザーが右から左に１回⾛って取得される点群
・オドメトリーアルゴリズムの適⽤対象
スイープ(sweep)：
・スキャンのまとまり
・1スイープ分のスキャンで360°をカバー
・毎スイープごとにマッピング
動画

8. 8
0. ⽤語定義
Pk : kスイープ⽬の点群
P"k : マッピング済みのスイープ
スキャン
スイープ

9. 9
1.特徴点抽出
特徴点のみを利⽤して位置合わせ（⾼速）
２種類の特徴点
・エッジ点（⻩点）
・平⾯上点（⾚点）

10. 10
2.対応点探索
・スイープ𝑃$%&の特徴点 𝑖 について、近傍点をP"kから探索（3D KD-tree）
・特徴点と近傍直線/近傍平⾯との距離 𝑑* , 𝑑+を計算
エッジ点：２近傍点 平⾯上点：３近傍点
:特徴点 i

11. 11
3.動き推定
・ 𝑃$%&の特徴点 𝑖の距離 𝑑* , 𝑑+に、その⼤きさに応じて重み付け
（バイスクエア重み）
・⼊⼒点群のベクトル f、TFパラメータ T、重み付けされた距離ベクトル
d を使って⾮線形最⼩⼆乗問題をLevenberg- Marquardt 法で解く
・得られたTによって、⼊⼒点群を座標変換
L : local座標

12. 12
アルゴリズム – マッピング
・オドメトリーと同じ処理を、1スイープ(=10スキャン)まとめて⾏う
・地図の点群は5cmのvoxel_grid_filterでダウンサンプル

13. 13
評価① - 屋内外でのテスト結果

14. 14
評価② - IMUによる⽀援
上：提案⼿法+IMU
下：提案⼿法

15. 15
評価② - IMUによる⽀援

16. 16
評価③ - KITTIデータでのテスト結果
http://www.cvlibs.net/datasets/kitti/eval_odometry.php
現在３位の精度。LiDARデータのみを⽤いたアルゴリズムではトップ

17. 17
結論
・オドメトリーとマッピングの問題を分離する有効性
・特徴点マッチングによる計算速度・精度の保証

18. 18
展望
・ループクロージングによるドリフト補正
・カルマンフィルタを使ったIMUによるドリフト低減