소개

아래는 LIO-SAM의 논문에서 비교를 인용했다. LIO-SAM에서는 매우 깨끗하게 지도가 되어 있는 것을 알 수 있습니다.

htps : // 기주 b. 코 m/치아 아오슌/오오사 M/bぉb/마s테 r/콘후ぃg/도 c/파페r. pdf

LIO-SAM의 키모는 IMU에 의한 점군 왜곡 보정과 스캔 매칭의 초기 위치 추정입니다만, 이 키모가 되는 부분이 모듈화되어 있어, 간단하게 자작 SLAM에 이식할 수 있을 것 같았기 때문에 시도했습니다!

(SLAM을 직접 만든 이야기는 "ROS2로 3D LiDAR을 이용한 Graph SLAM에 의한 3차원 지도 작성"을 참조하십시오.)

Github

만든 SLAM으로 만든지도

LiDAR Inertial SLAM이란?

LiDAR Inertial SLAM은 이름에서 알 수 있듯이 IMU를 결합한 Lidar SLAM으로 고주파 IMU로 SLAM을 보간합니다.

LiDAR Inertial SLAM을 해설하고 있는 일본어 기사·슬라이드는 없습니다만, 복합 부분에 주목하면 기본 Visual Inertial SLAM과 같기 때문에, Visual Inertial SLAM의 해설 슬라이드를 실어 둡니다.

20190307 visualslam summary

Visual Inertial SLAM

htps //w w. s에서 멋지다. 네 t / 타k 민 / 20190307 - ぃ すあ

제126회 RSJ로봇 공학 세미나 「Visual SLAM과 심층 학습을 이용한 3D 모델링」(2020/5/22)

5. Visual-inertial SLAM(VI-SLAM) 개요

htps //w w. s에서 멋지다. 네 t/켄사쿠라다/126-rsj2020522#74

만든 패키지 설명

이번에 만든 LiDAR Inertial SLAM은 ndt/gicp에 의한 순차 SLAM과 그래프 베이스 SLAM을 조합하고 있습니다.

LiDAR Inertial SLAM을 만들기에 있어서, 원래의 패키지로부터 개조한 것은 순차 SLAM의 부분이므로, 순차 SLAM의 구현에 대해 해설합니다.

다음은 그래프 기반 SLAM을 시작하지 않은 순차 SLAM만의 rosgraph입니다. imu_preintegration 노드에서 IMU에 의한 스캔 매칭을 위한 초기 위치 추정을 실시해, image_projection 노드에서 점군 왜곡 보정을 실시해, scanmatcher 노드에서 스캔 매칭을 합니다.

rosgraph

데모

데모 데이터는 LIO-SAM의 casual_walk.bag(ROS1의 rosbag를 변환하고 있습니다)를 사용합니다.

이 데이터에서는 Velodyne VLP-16과 수백 Hz에서 10만엔 정도의 9축 IMU가 사용되고 있습니다.

htps : // 기주 b. 코 m / 치 아오 짱 / ぃ 오사 M

다음 명령입니다.

rviz2 -d src/li_slam_ros2/scanmatcher/rviz/lio.rviz 
ros2 launch scanmatcher lio.launch.py
ros2 bag play -s rosbag_v2 casual_walk.bag 

완성된 3차원 지도가 다음과 같습니다.

노란색 경로: 루프가 닫히지 않은 경로, 녹색 경로: 수정된 경로, 빨간색: 지도

LIOM보다 성능이 좋고, LIO-SAM과 비교해도 괜찮을 것 같네요!

이상, 읽어 주셔서 감사합니다!