.png){kind=icon}
返回
Selective Point Sampling for LiDAR-Inertial Odometry
.png){kind=icon}
PRE
AI
DOI：10.1109/LRA.2025.3623043.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
激光雷达-惯性里程计（LIO）的精度对低质量激光雷达测量值高度敏感，这会显著降低状态估计的性能。本文提出了一种选择性点采样（SPS）策略，该策略通过将统计上与其局部地图邻域不一致的激光雷达测量值视为离群值并予以剔除，从而提升LIO性能。一致性通过测量值分布与其邻域地图点的平均分布之间的Kullback–Leibler（KL）散度来量化，只有低于KL阈值的测量值被保留，用于形成状态更新的残差。SPS被实现为一个模块化插件，与现有的基于扩展卡尔曼滤波器（EKF）的LIO框架兼容，且集成工作量极小。在公共数据集NCLT、M2DGR、Botanic Garden和Newer College以及额外自定义收集的序列上进行的广泛实验表明，与多个基准方法相比，该方法在定位精度上实现了持续提升，且计算开销可忽略不计。
Keyword:
Autonomous driving
simultaneous localization and mapping
odometry
state estimation
期刊
I
IF:
5.3
论文数:
1.9K
被引数:
3.9W
机构
查看更多机构
引用论文
暂无论文信息