跳到正文
arXiv · 机器人与计算机视觉· Nam Tran, Thu Tran, Toan Nguyen, William J Beksi, Tuan Dang·· 6 天前AI 评分42

CT-SGAL-LIO:因果连续时间离散激光雷达惯性里程计优化

CT-SGAL-LIO: Causal Continuous Time Refinement of Discrete LiDAR Inertial Odometry

AI 导读

CT-SGAL-LIO 提出一种无需修改估计器即可平滑离散 SGal(3) 后验位姿流的连续时间细化模块。该方法在 GRAND-TOUR、MCD 和 GEODE 三个基准的 17 个序列上,将相对轨迹误差(RTE)提升最高 70%,并在 R-Campus 场景中使后验跳变减少 85.4%。作者计划开源代码与结果以支持社区验证及复现。

来源:arXiv · 机器人与计算机视觉 · arxiv.org