Detailed information of our system

0. Entire pipeline

1. FAST-LIO mapping for using global map

2. Estimate initial pose from current LiDAR scan data using Scan Context

1. 본 논문에서 제안하는 LIO-ICP 기반 navigation을 위한 relocalization에는 적절한 initial pose 지정이 필요하다.

2. 효과적인 initial pose estimation을 위해 [1] scan context를 활용한다.

3. Submap generation

1. 기존 LIO 기반의 위치 추정 방법과 비교하여, submap을 활용함으로써 고속 주행 중에도 relocalization의 성능 향상 및 위치 추정 오류를 효과적으로 줄여 시스템의 신뢰성과 정확성을 높이는데 기여한다.

2. GPS 음영지역 진입 시, LiDAR 기반의 global localization을 통해 신호 공백 없이 지속적인 위치 추정이 가능하다.

4. Point cloud registration between current scan data and submap based on ICP algorithm

1. 현재 LiDAR 스캔 데이터와 서브맵 기반의 point cloud registration을 [2] ICP(Iterative Closest Point) 알고리즘을 사용한다.

2. 스캔 데이터와 서브맵 사이의 대응하는 점들 간의 거리를 최소화함으로써 정렬을 반복적으로 미세 조정하는 과정을 포함한다.

References

[1] G. Kim and A. Kim, "Scan Context: Egocentric Spatial Descriptor for Place Recognition Within 3D Point Cloud Map," 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Madrid, Spain, 2018, pp. 4802-4809, doi: 10.1109/IROS.2018.8593953. keywords: {Three-dimensional displays;Sensors;Laser radar;Histograms;Shape;Visualization;Encoding}

[2] F. Wang and Z. Zhao, "A survey of iterative closest point algorithm," 2017 Chinese Automation Congress (CAC), Jinan, China, 2017, pp. 4395-4399, doi: 10.1109/CAC.2017.8243553. keywords: {Iterative closest point algorithm;Measurement;Standards;Three-dimensional displays;Surface treatment;Linear programming;Data models;registration;3D point set;ICP algorithm;registration precision;convergence speed}