PL-VIWO2: 点と線を用いた軽量・高速・堅牢な視覚慣性車輪オドメトリ

- カメラ・IMU・wheel encoder を統合した filter-based の visual-inertial-wheel odometry システム PL-VIWO2 の提案 - monocular と stereo の両方をサポートし、長期的な robust な state estimation を目的とする - 複雑な屋外都市環境での vision-based odometry の性能劣化に対処するもの

- 2D の feature points と lines の幾何関係を利用する新しい line feature processing framework を導入 - 地上車両の planar motion 特性を利用した SE(2)-constrained SE(3) wheel pre-integration を提案 - IMU と wheel 計測を併用して dynamic features を除去する効率的な motion consistency check (MCC) を導入 - Monte Carlo simulations と公開 autonomous driving datasets で state-of-the-art 手法を accuracy・efficiency・robustness の面で上回ると主張

- filter-based の枠組みで IMU・wheel encoder・camera を統合 - line feature processing では 2D feature points と lines の幾何関係を活用し、高速かつ robust な line tracking と triangulation を実現 - wheel pre-integration は SE(2) 制約を課した SE(3) 上で行い、planar motion を前提に正確な wheel update を得る - MCC は IMU と wheel の計測を jointly に用いて dynamic features を除外する

- Monte Carlo simulations と公開 autonomous driving datasets 上で実験 - accuracy・efficiency・robustness の観点で state-of-the-art 手法と比較し優位性を示したと報告 - 具体的なデータセット名や評価指標の詳細は要旨からは不明

- 複雑な屋外都市環境における性能劣化への対処が動機として述べられている - 各貢献の限界や失敗ケース、計算コストの詳細な議論は要旨からは不明 - 実験結果の定量的な内訳や ablation の有無は要旨からは不明

- line features を用いた visual odometry の代表的手法（例: PL-SLAM 系の研究） - filter-based visual-inertial odometry の基盤手法（例: MSCKF 系） - wheel encoder を統合した visual-inertial-wheel odometry の先行研究 - dynamic feature 除去のための motion consistency check に関する研究