점별 라이다 불확실성 전파 및 연속 시간 궤적에 기반한 비동기 다중 라이다-관성 오도메트리

Abstract

최근 몇 년 동안, LiDAR는 주변의 거리를 정확하게 인식할 수 있다는 장점 덕분에 위치를 추정하거나 지도를 작성하는 과정에서 매우 중요한 센서로 사용되었으며, 이와 관련된 연구가 활발히 일어나고 있었다. 하지만 단일 LiDAR의 경우, 시야각(FOV) 문제나 물체의 가림 현상 등으로 인해 주변 인지에 한계가 존재하였고, 이는 기존의 목표를 수행하기엔 큰 단점으로 작용하였다. 이에, 높은 정확도와 확장된 FOV를 획득할 수 있는 다중 LiDAR 시스템은 대체 방안이 되었고, 기존의 문제를 해결할 수 있는 안정성 덕분에 해당 시스템이 인기를 끌게 되었다. 하지만, 다중 LiDAR를 통합하는 것은 시간적, 공간적 불일치로 인해 어려울 수 있다. 일반적인 방법은 엄격한 시간 동기화를 요구하면서 센서 간의 측정값인 점을 하나의 프레임으로 변환하거나, 센서 프레임 간의 변환을 근사화하여 모든 점을 하나의 프레임으로 통합하는 것이다. 기존의 방법들과는 다르게, 해당 논문에서는 IMU 이산 모델과 B-Spline Interpolation을 통한 연속 시간 궤적을 사용하여 센서 간의 시간적 변환을 상세히 설명하고, 이로 인해 발생된 불확실성을 각 점에 파생시킨다. 이런 불확실성은 상태 공분산을 취득 시간과 측정된 점의 거리와 결합하여 모델링함으로써, 다중 LiDAR를 사용할 때 엄격한 시간 동기화를 완화하고 FOV 차이를 극복할 수 있게 한다. 제안된 방법은 오픈 데이터셋과 직접 취득한 데이터셋에서 검증되었으며, 다양한 LiDAR 제조사와 스캔 패턴과 호환된다. 또한, 해당 논문은 LiDAR 관련 연구의 발전을 위해 Github에 공개하여, 다른 연구자들이 해당 연구에 접근할 수 있도록 소프트웨어를 오픈소스화 하였다.

Over the past few years, LiDAR has emerged as an essential sensor for location estimation and mapping. However, a single LiDAR has limitations in field of view (FOV) and object occlusion. Multiple LiDAR systems, offering higher accuracy and expanded FOV, have become popular but pose integration challenges due to temporal and spatial discrepancies. This paper presents a new approach to address these challenges by using the continuous-time trajectory with B-Spline interpolation. This method derives point-wise uncertainty, helping to alleviate strict time synchronization and overcome FOV differences. The proposed method is validated on open-source and proprietary datasets, showing compatibility with various LiDAR manufacturers and scanning patterns. The software is also open-sourced on GitHub to promote further research.