LiDARローカライゼーションのための幾何学認識型適応ガウス制御に基づくメモリ効率的なマッピング
Memory-Efficient Mapping Based on Geometry-Aware Adaptive Gaussian Control for LiDAR Localization
LiDARベースのローカライゼーションにおいて、メモリ効率と精度を両立させるため、幾何学認識型最適化と適応ガウス制御に基づく幾何学認識型適応ガウスマッピングフレームワークを提案する。このフレームワークは、局所的な幾何学的特性に応じてガウスプリミティブを最適化・適応制御することで、コンパクトなLiDARガウスマップを構築する。実験の結果、既存のガウスベースマップ表現と比較して優れたマップ圧縮を実現し、従来のNormal Distributions Transform (NDT) ローカライゼーションパイプラインと同等以上のローカライゼーション性能を達成した。提案手法は、ローカライゼーションに関連する幾何学的制約をより少ないガウスプリミティブで保持できることを示し、マップストレージ要件を最大75.7%削減する。
- LiDARローカライゼーション向けに、局所的な幾何学的特性に応じてガウスプリミティブを最適化・適応制御する「幾何学認識型適応ガウスマッピング」フレームワークを提案。
- 既存のガウスベースマップ表現と比べ優れたマップ圧縮を実現し、マップストレージ要件を最大75.7%削減した。
- 従来のNormal Distributions Transform (NDT) ローカライゼーションパイプラインと同等以上のローカライゼーション性能を達成した。
LiDARベースの自己位置推定(ローカライゼーション)における地図データのメモリ・ストレージ肥大化は、自動運転スタックの実運用コストとOTA更新負荷に直結する課題。本手法はガウスプリミティブを局所幾何形状に応じて間引き・適応制御することで地図ストレージを最大75.7%削減しつつ、NDTパイプラインと同等以上の精度を維持したと報告しており、既存のNDT系実装に対する置き換え余地を示す。ただし現時点では学術的な提案・実験段階の成果であり、商用製品や採用企業の発表ではないため、自動運転・ロボティクス向けソフトウェア資産を持つ企業への波及は中長期の技術動向として注視する段階。マップ圧縮は車載メモリとクラウド地図配信コストの双方を下げるレバーになり得る点が投資上の着眼点。