Dynamic-ICP: ドップラー情報を活用した動的環境向けICP位置合わせ

- FMCW LiDAR の range と Doppler velocity を直接用いる、動的環境向けの ICP ベース registration フレームワーク。 - 外部センサや sensor-vehicle calibration を必要としない。 - 既存パイプラインへ組み込みやすく、real time 動作を狙う軽量手法。 - コード公開あり（https://github.com/JMUWRobotics/Dynamic-ICP）。

- ICP は near-static シーンを仮定し、繰り返し構造や low-texture 幾何で劣化する点が従来の課題。 - 本手法は Doppler velocity を活用し、動的シーンでの registration 安定性を狙う。 - 評価では state-of-the-art 手法に対し rotational stability と translation accuracy を一貫して改善。 - 外部センサや calibration を要さない点も従来構成との差分。

- (i) per-point Doppler velocity から robust regression で ego motion を推定し、velocity filter を構築。 - (ii) 動的物体を clustering し、ego-compensated radial measurements から物体ごとの translational velocity を再構成。 - (iii) constant-velocity model で dynamic points を予測。 - (iv) point-to-plane geometry residual と、translation-invariant かつ rotation-only な Doppler residual を組み合わせた compact objective で scan を整列。

- HeRCULES、HeLiPR、AevaScenes の 3 データセットで評価。 - 特に highly dynamic scenes に焦点を当てて検証。 - state-of-the-art 手法と比較し、rotational stability と translation accuracy の改善を報告。 - 詳細な評価指標や実験設定は要旨からは不明。

- real time 動作と既存パイプラインへの統合容易性を主張。 - 外部センサ・calibration 不要で軽量な点を利点として提示。 - 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。 - 動的物体速度の再構成精度や constant-velocity 仮定の影響も要旨からは不明。

- ICP ベースの LiDAR odometry（ICP、point-to-plane ICP などの一般手法）。 - Doppler を用いた ego-motion 推定・FMCW LiDAR の registration 研究。 - 評価データセットである HeRCULES、HeLiPR、AevaScenes に関連する論文。 - dynamic object removal / clustering を用いた動的環境向け SLAM・odometry 研究。