低高度飛行における航空LiDAR慣性オドメトリのパラメータ感度分析

- 低高度飛行におけるLiDAR-Inertial Odometries (LIO) のパラメータ感度分析。 - 対象アルゴリズム: EKFベースのFAST-LIO2とグラフベースSLAMのCartographerのLIOモジュール。 - 低～中高度の飛行で異なるLiDARと環境で記録された空中LiDAR SLAMデータセットを使用。 - パラメータの組み合わせを網羅的グリッドサーチし、絶対軌道誤差(ATE)への影響を分析。 - 個々のパラメータとATEの関係をPearson相関で評価し、ランダムフォレストのpermutation importanceで影響度を評価。 - 結果として、性能に強い影響を与えるパラメータの特定、簡略化されたチューニング手順、チューニング推奨事項を提供。

- 従来、LIOアルゴリズムの性能はシナリオ、LiDAR、ロボット運動特性に大きく依存し、望ましい性能を得るには集中的なチューニングが必要だった。 - 本研究は、空中LiDAR SLAMデータセットに特化してパラメータ感度を体系的に分析し、チューニング努力を支援。 - 具体的には、FAST-LIO2とCartographerのLIOモジュールについて、グリッドサーチと統計手法を組み合わせてパラメータの影響を定量化。 - 先行研究と比べて、低高度飛行に焦点を当て、実データに基づくチューニング推奨を提供する点が新しい。

- 網羅的グリッドサーチにより、各パラメータの組み合わせでデータセットを処理し、ATEを計算。 - 個々のパラメータとATEの関係をPearson相関で評価。 - ランダムフォレストモデルを訓練し、パラメータ選択からATEを予測。 - ランダムフォレストのpermutation importance分析により、各パラメータの影響度を評価。 - これにより、性能に強い影響を与えるパラメータを特定し、簡略化されたチューニング手順と推奨事項を導出。

- 低～中高度の飛行で異なるLiDARと環境で記録された空中LiDAR SLAMデータセットを使用。 - 各データセットに対し、グリッドサーチで得られた最適性能と、提案チューニング推奨事項を用いた場合のATEを比較。 - 分析されたケースの94%で、提案手法によるATEが最適性能から5cm以内であることを確認。

- パラメータ感度分析により、性能に強い影響を与えるパラメータを特定し、チューニングプロセスを簡略化。 - 提案チューニング推奨事項は、多くのケースで最適に近い性能を達成。 - ただし、分析は特定のデータセットとアルゴリズムに限定されており、一般化可能性や他のLIOアルゴリズムへの適用については議論の余地がある。 - また、計算コストやリアルタイム性への影響については要旨からは不明。

- FAST-LIO2 (Xu et al.) - Cartographer (Hess et al.) - 関連するLIOアルゴリズム: LIO-SAM, LOAM, LeGO-LOAM など。 - パラメータチューニングや感度分析に関する研究: ベイズ最適化や自動チューニング手法。