IN2LAMA：慣性ライダーの位置決定とマッピング

本稿では、慣性ライダーの位置決定とマッピング（IN2LAMA）のための確率的フレームワークを紹介します。今日のライダーのほとんどは、環境のスナップショットをキャプチャしない回転メカニズムに基づいています。その結果、スキャン中にセンサーの動きが発生する可能性があります。この動きの良い推定がない場合、得られる点群は歪む可能性があります。ライダーマッピングの文献では、一定速度の動きモデルが一般的に仮定されています。これは必ずしも常に成り立つ近似ではありません。提案されたフレームワークの鍵となるアイデアは、明示的な動きモデルを必要とせず、動きの歪みを処理するために、アップサンプリングされた慣性データの事前統合測定を利用することです。これは、バッチのオンマニフォールド最適化形式で慣性データとライダーデータを密接に統合します。時系列に正確なアップサンプリングされた事前統合測定を使用すると、フレーム間の平面およびエッジ特徴の関連付けが可能になります。さらに、状態の推定値が変化したときに特徴が再計算され、フロントエンドとバックエンドの相互作用が強化されます。シミュレーションデータと実データを通じてアプローチの有効性を検証します。