SLAM 點雲圖鑑Point clouds for construction
M-01 · 2024

COIN-LIO

COIN-LIO 以 FAST-LIO2 的點到平面配準為基礎，將 LiDAR 強度回波投影為強度影像並做亮度一致化濾波，再把影像區塊的光度誤差（photometric error）一併放入迭代擴展卡爾曼濾波。作者偵測點雲配準中資訊不足的方向，刻意挑選能在該方向提供互補資訊的影像區塊，以改善隧道、平坦場地等幾何退化場景的穩健性。作者並公開以全測站量測地面真值的 ENWIDE 退化場景資料集。

里程計＋局部建圖近十年已讀全文同儕審查已出版當代 LiDAR（慣性）里程計與 SLAM

閱讀版本
arXiv v4 (2024-05-30), journal-ref ICRA 2024 pp. 1730-1737; IEEE version of record not read
全文取得途徑
arXiv 預印本
本頁內容

Augments FAST-LIO2 with photometric residuals on filtered LiDAR intensity images, selecting patches that constrain geometrically uninformative directions, to improve robustness in tunnels and flat fields.

技術屬性

欄位內容為文獻擷取紀錄的原文用語（英文），以原文為據；「未查證」表示本研究尚未讀到該資訊，不代表該方法不具備此能力。

感測輸入high-resolution 3D LiDAR with intensity (Ouster OS0-128)、IMU
原文測試平台handheld
狀態估計iterated extended Kalman filter built on FAST-LIO2, fusing IMU, point-to-plane registration and photometric error on intensity-image patches
資料關聯point-to-plane geometry plus photometric patch residuals on brightness-filtered intensity images; patches selected to be informative in directions where geometry is uninformative
時間表示discrete poses (as FAST-LIO2)
去畸變IMU-propagated undistortion of each point to the scan-end time as in FAST-LIO2 (Sec. III-B); for photometric residuals, tracked points are projected into the distorted LiDAR frame using a projection-based undistortion map that returns each pixel's point index and timestamp (Sec. III-G)
迴圈閉合none
全域最佳化none
地圖表示ikd-Tree point map inherited from FAST-LIO2 plus a feature map of tracked 5 x 5 intensity patches whose pixels are each initialised at their own global 3D position
先驗資訊none
可輸出幾何odometry and point map; export format 原文未報告
計算需求CPU real time; on average 29.7 ms per frame (33 Hz) on an Intel i7-11800H mobile CPU on the Newer College Park sequence, of which 6.2 ms is spent on the photometric components

使用設備

原文使用的感測器、運算硬體與載具（equipment）。型號保留原文寫法，連結到設備頁中同一型號的歸併名稱；角色依原文用途分為方法輸入、資料集感測器、執行運算平台、參考或真值量測（reference or ground truth）與比較對象設備。

類別型號（原文寫法）角色資料集原文規格出處
LiDAROuster OS0方法輸入ENWIDE128 beam, hand-held, with integrated IMU; intensity returns projected into images(Pfreundschuh et al., 2024, Sec. IV-B)
LiDAROuster OS0資料集感測器Newer College Dataset (multi-camera extension)128-beam, hand-held(Pfreundschuh et al., 2024, Sec. IV-A)
慣性量測單元（IMU）Ouster OS0 integrated IMU (model not reported)方法輸入ENWIDE原文未報告(Pfreundschuh et al., 2024, Sec. IV-B)
全測站Leica MS60參考或真值量測ENWIDEground-truth positions with approximately 3 cm accuracy(Pfreundschuh et al., 2024, Sec. IV-B)
載具平台hand-held rig (not further described)方法輸入ENWIDEwalking (smooth) and running (dynamic) sequences(Pfreundschuh et al., 2024, Sec. IV-B)
運算硬體Intel i7-11800H執行運算平台未標示mobile CPU(Pfreundschuh et al., 2024, Sec. IV-A)

論文圖片

只收錄原文以開放授權（open license）釋出的圖片，並依授權條件標示出處、圖號、授權與修改方式。

  • 隧道場景的累積點雲依強度著色並疊加 COIN-LIO 軌跡；連結僅為 Fig. 1 上方子圖，中段的追蹤特徵與下方俯視點雲為另外的子圖

    Fig. 1隧道場景的累積點雲依強度著色並疊加 COIN-LIO 軌跡；連結僅為 Fig. 1 上方子圖，中段的追蹤特徵與下方俯視點雲為另外的子圖

    出處：Pfreundschuh et al., 2024，Fig. 1。授權：CC BY 4.0。原始圖檔。修改：縮小至寬度不超過 1400 px，並轉存為 WebP 格式。

  • 系統架構圖：點雲同時用於幾何配準與投影強度影像的光度誤差，兩種殘差在迭代擴展卡爾曼濾波中合併更新

    Fig. 2系統架構圖：點雲同時用於幾何配準與投影強度影像的光度誤差，兩種殘差在迭代擴展卡爾曼濾波中合併更新

    出處：Pfreundschuh et al., 2024，Fig. 2。授權：CC BY 4.0。原始圖檔。修改：縮小至寬度不超過 1400 px，並轉存為 WebP 格式。

  • 原始強度影像、反射率影像與本文濾波影像的比較，含草地與隧道的局部放大

    Fig. 4原始強度影像、反射率影像與本文濾波影像的比較，含草地與隧道的局部放大

    出處：Pfreundschuh et al., 2024，Fig. 4。授權：CC BY 4.0。原始圖檔。修改：轉存為 WebP 格式。

  • COIN-LIO 在 ENWIDE 的 FieldS、IntersectionS、KatzenseeS 與 RunwayS 所建立的點雲地圖

    Fig. 6COIN-LIO 在 ENWIDE 的 FieldS、IntersectionS、KatzenseeS 與 RunwayS 所建立的點雲地圖

    出處：Pfreundschuh et al., 2024，Fig. 6。授權：CC BY 4.0。原始圖檔。修改：縮小至寬度不超過 1400 px，並轉存為 WebP 格式。

作者報告的優勢與限制

優勢

  • Drastically improved robustness on ENWIDE degenerate sequences where compared baselines fail or drift (Sec. IV-C)
  • Slightly better than baselines on geometry-rich Newer College (Sec. V)
  • Only compared method without a failure mark on all ten ENWIDE sequences; on Newer College Stairs only COIN-LIO and MD-SLAM avoided failure, with COIN-LIO at 0.102 m versus 0.340 m ATE (Tables I and II)
  • Ablation: filtered images with geometrically complementary patch selection gave the lowest ATE on all three ablation sequences (Table III)

限制

  • Requires high-resolution LiDARs to form dense intensity images (Sec. V)
  • LIO approaches can still fail over long degenerate segments due to IMU noise and bias drift (Sec. IV-C, discussing baselines)

營建工程相關證據

ENWIDE 以手持 Ouster OS0-128 錄製五種場景：Tunnel（城市、室內）、Intersection（城市、戶外）、Runway（戶外、城市）、Field 與 Katzensee（戶外、自然環境）；地面真值由 Leica MS60 全測站量測，約 3 cm 精度。隧道情境與地下工程相關（推論），但非施工中工地。

原文驗證環境：公開基準、地下或隧道、獨立參考量測

報告的性能數據

以下是原文作者報告的性能數值（author-reported results），不是本研究重新量測的結果。每張圖只並列同一個比較組（comparison group，同一張表、同一組實驗設定）內的方法；不同比較組之間的數值不可直接比較，也不構成排名。

本方法共出現在 9 個比較組，合計 75 筆紀錄。以下列出本方法紀錄最多的 4 組，其餘 5 組列在最後，並連到性能比較頁。

Pfreundschuh et al., 2024 · Table II 本方法 20 筆

表格設定（擷取紀錄原文）：ENWIDE dataset, hand-held Ouster OS0-128 with integrated IMU; ground-truth positions from Leica MS60 (about 3 cm); ATE RMSE (m) / RTE (%) over 10 m segments; RTE > 20% declared failed (x); RTE rows kept only for non-failed cells, failed-cell RTE is in the ATE row outcome (Pfreundschuh et al., 2024, Table II)

Absolute Trajectory Error (RMSE)，ENWIDE · TunnelS (251.58 m)

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

  • 失敗

這些是 Pfreundschuh et al., 2024 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：均方根誤差（RMSE）；對齊方式：原文未報告；單位：m；場景：urban, indoor tunnel, smooth walking

資料來源作者報告值(Pfreundschuh et al., 2024, Table II)

數值與出處
方法（原文寫法）報告值出處
KISS-ICP [10]無數值失敗註記（擷取紀錄）：failed (marked x; RTE 144.41%)(Pfreundschuh et al., 2024, Table II)
MD-SLAM [6]無數值失敗註記（擷取紀錄）：failed (marked x; RTE 88.16%)(Pfreundschuh et al., 2024, Table II)
Du and Beltrame [8]無數值失敗註記（擷取紀錄）：failed (marked x; RTE 58.084%)(Pfreundschuh et al., 2024, Table II)
LIO-SAM [12]無數值失敗註記（擷取紀錄）：failed (marked x; RTE 2565.621%)(Pfreundschuh et al., 2024, Table II)
FAST-LIO2 [1]無數值失敗註記（擷取紀錄）：failed (marked x; RTE 316.12%)(Pfreundschuh et al., 2024, Table II)
RI-LIO [7]無數值失敗註記（擷取紀錄）：failed (marked x; RTE 70.32%)(Pfreundschuh et al., 2024, Table II)
Ours (COIN-LIO)本方法原文提出0.743 m(Pfreundschuh et al., 2024, Table II)

Chen et al., 2025b · Table 5 本方法 15 筆

指標ATE (m)

表格設定（擷取紀錄原文）：ATE (m) per sequence, average of five runs, parameters not tuned per sequence; X = breakdown or error > 100 m; - = algorithm not adapted to this data. Only Metro tunnels and Stairs blocks extracted; shield-tunnel sequences are absent from Table 5 because all methods failed (Sec. 5.2). Stairs GT from PALoc (inlier RMSE 0.07 m alpha, 0.08 m beta); gamma stairs GT not accurate. (Chen et al., 2025b, Table 5)

ATE (m)，GEODE · Metro tunnels, alpha (Velodyne VLP-16), Tunneling 3

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

  • 不適用
  • 失敗

這些是 Chen et al., 2025b 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：原文未報告；對齊方式：原文未報告；單位：m；場景：metro tunnel, mine tunnelling method (translational degeneracy along the axis)

資料來源作者報告值(Chen et al., 2025b, Table 5)

數值與出處
方法（原文寫法）報告值出處
COIN-LIO本方法無數值不適用註記（擷取紀錄）：不適用(Chen et al., 2025b, Table 5 (VoR))
FAST-LIO20.21 m(Chen et al., 2025b, Table 5 (VoR))
DLIO0.18 m(Chen et al., 2025b, Table 5 (VoR))
FAST-LIVO0.2 m(Chen et al., 2025b, Table 5 (VoR))
Coco-LIC無數值不適用註記（擷取紀錄）：不適用(Chen et al., 2025b, Table 5 (VoR))
R3LIVE0.59 m(Chen et al., 2025b, Table 5 (VoR))
LVI-SAM無數值失敗註記（擷取紀錄）：failed(Chen et al., 2025b, Table 5 (VoR))
VINS-Fusion47.66 m(Chen et al., 2025b, Table 5 (VoR))

Pfreundschuh et al., 2024 · Table III 本方法 15 筆

指標Absolute Trajectory Error (RMSE)

表格設定（擷取紀錄原文）：Ablation of COIN-LIO image type and patch selection policy on ENWIDE; ATE RMSE (m); x = failed (Pfreundschuh et al., 2024, Table III)

Absolute Trajectory Error (RMSE)，ENWIDE · TunnelD

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

  • 失敗

這些是 Pfreundschuh et al., 2024 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：均方根誤差（RMSE）；對齊方式：原文未報告；單位：m；場景：urban, indoor tunnel, dynamic

資料來源作者報告值(Pfreundschuh et al., 2024, Table III)

數值與出處
方法（原文寫法）報告值出處
COIN-LIO ablation: Intensity image + Strongest-gradient features本方法13.928 m(Pfreundschuh et al., 2024, Table III)
COIN-LIO ablation: Reflectivity image + Strongest-gradient features本方法無數值失敗註記（擷取紀錄）：failed (marked x)(Pfreundschuh et al., 2024, Table III)
COIN-LIO ablation: Filtered image + Strongest-gradient features本方法0.814 m(Pfreundschuh et al., 2024, Table III)
COIN-LIO ablation: Filtered image + Random features本方法1.913 m(Pfreundschuh et al., 2024, Table III)
COIN-LIO ablation: Filtered image + Complementary features (proposed)本方法原文提出0.487 m(Pfreundschuh et al., 2024, Table III)

Yan et al., 2026a · Table 1 本方法 9 筆

表格設定（擷取紀錄原文）：ATE (RMSE, m) on KMCT; each ROS bag run five times and the best trial reported; 'Failed' = failure to run (Yan et al., 2026a, Table 1)

ATE (m), RMSE of global absolute trajectory error，Kimera-Multi Campus-Tunnel (KMCT) · 07_ac2-005

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

  • 失敗

這些是 Yan et al., 2026a 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：均方根誤差（RMSE）；對齊方式：原文未報告；單位：m；場景：MIT campus subterranean tunnel, long and uniform (Kimera-Multi Campus-Tunnel; eight Clearpath Jackal robots, 6753 m in about 30 min)

資料來源作者報告值(Yan et al., 2026a, Table 1)

數值與出處
方法（原文寫法）報告值出處
ORB-SLAM3無數值失敗註記（擷取紀錄）：failed(Yan et al., 2026a, Table 1)
VINS-Mono3.96 m(Yan et al., 2026a, Table 1)
LeGO-LOAM3.63 m(Yan et al., 2026a, Table 1)
LIO-SAM3.41 m(Yan et al., 2026a, Table 1)
Fast-LIO22.7 m(Yan et al., 2026a, Table 1)
LVI-SAM2.77 m(Yan et al., 2026a, Table 1)
COIN-LIO本方法2.71 m(Yan et al., 2026a, Table 1)
VINS-FEN3.05 m(Yan et al., 2026a, Table 1)
Proposed原文提出2.89 m(Yan et al., 2026a, Table 1)

其他比較組

列出其餘 5 個比較組

來源

  • Pfreundschuh et al., 2024

    Patrick Pfreundschuh, Helen Oleynikova, Cesar Cadena, Roland Siegwart, Olov Andersson（2024）COIN-LIO: Complementary Intensity-Augmented LiDAR Inertial Odometry2024 IEEE International Conference on Robotics and Automation (ICRA), pp. 1730-1737

    DOI 10.1109/icra57147.2024.10610938arXiv 2310.01235程式碼

    同儕審查已出版已讀全文近十年查證後修正

程式碼：https://github.com/ethz-asl/COIN-LIO（授權：BSD-3-Clause (LICENSE file checked)）。有公開程式碼不等於已被重現，也不代表目前版本與論文版本相同。

回到方法圖鑑

SLAM 點雲圖鑑

本站為綜述論文《SLAM-Based Point Clouds for Construction: A Review》研究過程的互動說明文件。互動圖為教學模擬，不代表任何特定系統的實測表現；方法描述、數值與結論以所引原始文獻為準。

內容基準日 2026-09-25 · 研究與網站製作使用 AI 輔助工具，見 證據標記與方法

選擇開啟Esc關閉