Dr-LiSA: レーダー・LiDARスキャンの直接位置合わせによるSE(3)自己位置推定

- 2D spinning radar intensity measurementsを3D lidar mapsに対して$SE(3)$で直接位置推定する初の手法。 - radarとlidarの相補性を活用：radarは悪天候に強く、lidarは高精度3Dマップを提供。 - 既存のradar-lidar localizationは$SE(2)$に限定され、精度もlidar-lidarやradar-radarに劣る。 - Dr-LiSAはこのモダリティギャップを橋渡しし、$SE(3)$での直接的なphotometric alignmentを実現。

- 従来のradar-lidar localizationは平面$SE(2)$に制限され、精度が不十分だった。 - Dr-LiSAは$SE(3)$ localizationを可能にし、$SE(2)$で先行手法を上回る。 - さらに、90km以上の走行データでstate-of-the-art radar-radar localizationに匹敵する平面精度を達成。 - 初の直接法によるradar-lidar $SE(3)$ localizationとして位置づけられる。

- 学習ベースのforward modelを用いて、候補poseにおけるlidar submapからradar measurementsを予測。 - 予測されたradar scanと観測されたradar scanを$SE(3)$で直接photometric alignment。 - これにより、radarとlidarの根本的に異なるシーン構造表現のギャップを橋渡し。 - 直接法であるため、特徴抽出やマッチングに依存せず、強度情報を直接利用。

- 90km以上のon-roadデータを用いて評価。 - $SE(2)$ localizationで先行radar-lidar手法を上回る性能を確認。 - 平面精度がstate-of-the-art radar-radar localizationと競合することを示した。 - 具体的なデータセット名や評価指標は要旨からは不明。

- 要旨からは、手法の限界や議論についての記述は不明。 - 学習forward modelの汎化性や計算コストに関する議論は要旨からは不明。 - 悪天候下での性能評価や、lidar mapの品質依存性についても要旨からは不明。

- 要旨で参照/比較されている研究：既存のradar-lidar localization（$SE(2)$）、lidar-lidar localization、radar-radar localization。 - 関連手法：state-of-the-art radar-radar localization。 - 同分野の定番：lidar-based localization（例：LOAM, LeGO-LOAM）、radar-based localization（例：CFEAR, radar odometry）。