RadarSplat-RIO: ガウススプラッティングに基づくレーダーバンドル調整を用いた屋内レーダー慣性オドメトリ
RadarSplat-RIO: Indoor Radar-Inertial Odometry with Gaussian Splatting-Based Radar Bundle Adjustment
レーダーSLAMのドリフト問題を解決するため、ガウススプラッティングによる密度の高い微分可能なシーン表現を用いた初のレーダーバンドル調整フレームワークを提案し、既存のレーダー慣性オドメトリと統合して精度を大幅に向上させた。
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: Pou-Chun Kung, Yuan Tian, Zhengqin Li, Yue Liu, Eric Whitmire, Wolf Kienzle, Hrvoje Benko
分類: cs.RO, cs.CV
原文アブストラクト
Radar is more resilient to adverse weather and lighting conditions than visual and Lidar simultaneous localization and mapping (SLAM). However, most radar SLAM pipelines still rely heavily on frame-to-frame odometry, which leads to substantial drift. While loop closure can correct long-term errors, it requires revisiting places and relies on robust place recognition. In contrast, visual odometry methods typically leverage bundle adjustment (BA) to jointly optimize poses and map within a local window. However, an equivalent BA formulation for radar has remained largely unexplored. We present the first radar BA framework enabled by Gaussian Splatting (GS), a dense and differentiable scene representation. Our method jointly optimizes radar sensor poses and scene geometry using full range-azimuth-Doppler data, bringing the benefits of multi-frame BA to radar for the first time. When integrated with an existing radar-inertial odometry frontend, our approach significantly reduces pose drift and improves robustness. Across multiple indoor scenes, our radar BA achieves substantial gains over the prior radar-inertial odometry, reducing average absolute translational and rotational errors by 90% and 80%, respectively.
関連論文
- Dynamic-LIVO: 時空間法線を用いた動的環境対応LiDAR-慣性-視覚オドメトリSLAM/オドメトリ
- FIRE-LIVWO: 故障耐性ミリ波レーダー強化による堅牢なLiDAR-慣性-視覚-車輪オドメトリSLAM/オドメトリ
- LIMOncello: SGal(3)多様体上の反復誤差状態カルマンフィルタによる高速LiDAR慣性オドメトリSLAM/オドメトリ
- Super4DR: 4Dレーダー中心の自己教師ありオドメトリとガウシアンベースの地図最適化SLAM/オドメトリ
- LIO-MARS: 非一様連続時間軌道によるリアルタイムLiDAR慣性オドメトリSLAM/オドメトリ
- SVN-ICP: スタイン変分ニュートン法によるICPベースLiDARオドメトリの不確かさ推定SLAM/オドメトリ
