LiDAR-VGGT: 大域的整合性とメートルスケールを両立するクロスモーダル粗密融合マッピング
LiDAR-VGGT: Cross-Modal Coarse-to-Fine Fusion for Globally Consistent and Metric-Scale Dense Mapping
LiDAR慣性オドメトリと3D視覚基盤モデルVGGTを粗密2段階で融合し、メートルスケールで大域的に整合した高密度カラー点群を生成する手法を提案。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Lijie Wang, Lianjie Guo, Ziyi Xu, Qianhao Wang, Fei Gao, Xieyuanli Chen
分類: cs.RO, cs.CV
原文アブストラクト
Reconstructing large-scale colored point clouds is an important task in robotics, supporting perception, navigation, and scene understanding. Despite advances in LiDAR inertial visual odometry (LIVO), its performance remains highly sensitive to extrinsic calibration. Meanwhile, 3D vision foundation models, such as VGGT, suffer from limited scalability in large environments and inherently lack metric scale. To overcome these limitations, we propose LiDAR-VGGT, a novel framework that tightly couples LiDAR inertial odometry with the state-of-the-art VGGT model through a two-stage coarse- to-fine fusion pipeline: First, a pre-fusion module with robust initialization refinement efficiently estimates VGGT poses and point clouds with coarse metric scale within each session. Then, a post-fusion module enhances cross-modal 3D similarity transformation, using bounding-box-based regularization to reduce scale distortions caused by inconsistent FOVs between LiDAR and camera sensors. Extensive experiments across multiple datasets demonstrate that LiDAR-VGGT achieves dense, globally consistent colored point clouds and outperforms both VGGT-based methods and LIVO baselines. The implementation of our proposed novel color point cloud evaluation toolkit will be released as open source.
関連論文
- GOFusion: フィッシャー情報を活用したリアルタイムガウシアン・オキュパンシーサブマップ融合による自律ロボットナビゲーションSLAM/3Dマッピング
- CPUのみで動作するリアルタイム大規模高密度サーフェルマッピングSLAM/3Dマッピング
- C-blox: スケーラブルで一貫性のあるTSDFベースの高密度マッピング手法SLAM/3Dマッピング
