SLAM 點雲圖鑑Point clouds for construction
M-01 · 2025

GenZ-ICP

GenZ-ICP 指出單一誤差度量在不同幾何環境各有弱點：點到平面在長廊等退化場景易病態，點到點在結構化場景精度較低。作者依鄰域平面度把點分為平面與非平面兩類，分別套用點到平面與點到點誤差，並以兩類點數比例自適應調整權重，以避免最佳化在走廊型退化中發散。

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 v1 (2411.06766v1, submitted 2024-11-11; arXiv comment states accepted to RA-L); IEEE version of record not opened
全文取得途徑
arXiv 預印本
本頁內容

Combines point-to-plane and point-to-point residuals in ICP with an adaptive weight driven by the proportion of planar points, to stay well-conditioned in corridor-like degeneracy.

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3D LiDAR only
原文測試平台handheld (Newer College; HILTI-Oxford 2022)、vehicle (MulRan, KITTI)、platforms of Ground-Challenge and SubT-MRS sequences not stated in the paper
狀態估計ICP minimizing a weighted sum of point-to-plane and point-to-point residuals with an adaptive weight
資料關聯per-point planarity classification: point-to-plane for planar neighbourhoods, point-to-point otherwise
時間表示discrete poses
去畸變原文未報告 (motion compensation is not described in the paper)
迴圈閉合none
全域最佳化none
地圖表示local map used as ICP target (Fig. 2); its data structure is not described in the paper; metric comparison on Long_Corridor run inside the KISS-ICP framework [5] (Sec. IV-A)
先驗資訊none
可輸出幾何odometry and accumulated map (Fig. 1); export format 原文未報告
計算需求原文未報告 (the paper states no runtime, processing rate or computing hardware)

使用設備

尚未收錄此方法的設備紀錄；設備資料仍在分批查證，沒有紀錄不代表原文未使用任何設備。

作者報告的優勢與限制

優勢

  • Resilience to optimization degradation in corridor sequences (HILTI-Oxford Exp07, Ground-Challenge, SubT-MRS) (abstract; Sec. IV)
  • SubT-MRS Long_Corridor APE RMSE 1.99 m versus 8.72 m for KISS-ICP, 9.09 m for DLO and 45.66 m for CT-ICP (Table VI)
  • Highest HILTI-Oxford Exp07 score (33.33 versus 23.33 for the reimplemented Zhang et al.) (Table IV)
  • Lowest condition number of the translational Hessian in all three corridor sequences (Sec. IV-D; Fig. 5)

限制

  • Focus restricted to one-directional corridor-like degeneracy (Sec. I)
  • Parameters of GenZ-ICP were tuned per dataset, and baselines without published results were tuned by the authors (Sec. IV-A)
  • Degeneracy baselines (Zhang et al., X-ICP) were reimplemented on a LiDAR-only framework with a constant-velocity prior rather than run with their original IMU or leg-odometry inputs (Sec. IV-A; Sec. IV-C)
  • In general environments KISS-ICP stays slightly better on KITTI (0.50% vs 0.51%) and on MulRan DCC and Riverside (Tables II-III)
  • Authors plan a LiDAR-inertial extension for aggressive motion (Sec. V)

營建工程相關證據

原文未報告（長廊退化場景與施工中建物走廊相似，但論文未於工地驗證；推論）

原文驗證環境：公開基準

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 6 個比較組，合計 14 筆紀錄。以下列出本方法紀錄最多的 4 組，其餘 2 組列在最後，並連到性能比較頁。

Lee et al., 2025a · Table II 本方法 4 筆

指標relative translational error [%]

表格設定（擷取紀錄原文）：MulRan urban driving; relative translational error in % (KITTI metric) (Lee et al., 2025a, Table II)

relative translational error [%]，MulRan · KAIST

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。

這些是 Lee et al., 2025a 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：平均值（mean）；對齊方式：原文未報告；單位：%；場景：urban driving

資料來源作者報告值(Lee et al., 2025a, Table II)

數值與出處
方法（原文寫法）報告值出處
SuMa [37]5.59%(Lee et al., 2025a, Table II)
MULLS [35]2.94%(Lee et al., 2025a, Table II)
F-LOAM [36]3.43%(Lee et al., 2025a, Table II)
KISS-ICP [5]2.28%(Lee et al., 2025a, Table II)
MAD-ICP [8]2.47%(Lee et al., 2025a, Table II)
Ours (GenZ-ICP)本方法原文提出2.27%(Lee et al., 2025a, Table II)

Lee et al., 2025a · Table V 本方法 4 筆

表格設定（擷取紀錄原文）：Ground-Challenge corridors; translation APE and RPE via EVO; only RMSE columns kept (mean, max, std omitted); Zhang et al. and X-ICP reimplemented by the authors on the same LiDAR-only framework (Lee et al., 2025a, Table V)

absolute pose error, translation, RMSE [m]，Ground-Challenge · Corridor1 (zigzag)

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。

這些是 Lee et al., 2025a 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：indoor corridor (degenerate)

資料來源作者報告值(Lee et al., 2025a, Table V)

數值與出處
方法（原文寫法）報告值出處
KISS-ICP [5]2.17 m(Lee et al., 2025a, Table V)
CT-ICP [6]0.54 m(Lee et al., 2025a, Table V)
DLO [14]0.45 m(Lee et al., 2025a, Table V)
Zhang et al. [18]0.28 m(Lee et al., 2025a, Table V)
X-ICP [24]2.05 m(Lee et al., 2025a, Table V)
Ours (GenZ-ICP)本方法原文提出0.24 m(Lee et al., 2025a, Table V)

Lee et al., 2025a · Table I 本方法 2 筆

指標relative translational error [%]

表格設定（擷取紀錄原文）：Newer College; relative translational error in % (KITTI metric); baseline values taken from their papers when available, otherwise tuned by the authors; GenZ-ICP tuned per dataset (Lee et al., 2025a, Table I)

relative translational error [%]，Newer College · short experiment

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。

這些是 Lee et al., 2025a 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：平均值（mean）；對齊方式：原文未報告；單位：%；場景：handheld campus (structured and vegetation)

資料來源作者報告值(Lee et al., 2025a, Table I)

數值與出處
方法（原文寫法）報告值出處
MULLS [35] (SLAM)0.82%(Lee et al., 2025a, Table I)
CT-ICP [6] (SLAM)0.48%(Lee et al., 2025a, Table I)
F-LOAM [36]2.02%(Lee et al., 2025a, Table I)
KISS-ICP [5]0.51%(Lee et al., 2025a, Table I)
MAD-ICP [8]0.86%(Lee et al., 2025a, Table I)
Ours (GenZ-ICP)本方法原文提出0.46%(Lee et al., 2025a, Table I)

Lee et al., 2025a · Table VI 本方法 2 筆

資料集與序列SubT-MRS · Long_Corridor

表格設定（擷取紀錄原文）：SubT-MRS Long_Corridor (ICCV 2023 SLAM Challenge); translation APE and RPE via EVO; only RMSE columns kept; point-to-point and point-to-plane ICP run in the same framework as GenZ-ICP (Lee et al., 2025a, Table VI)

absolute pose error, translation, RMSE [m]，SubT-MRS · Long_Corridor

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。

  • 發散

這些是 Lee et al., 2025a 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：long indoor corridor (degenerate)

資料來源作者報告值(Lee et al., 2025a, Table VI)

數值與出處
方法（原文寫法）報告值出處
KISS-ICP [5]8.72 m(Lee et al., 2025a, Table VI)
CT-ICP [6]45.66 m(Lee et al., 2025a, Table VI)
DLO [14]9.09 m(Lee et al., 2025a, Table VI)
Point-to-point ICP [3]8.72 m(Lee et al., 2025a, Table VI)
Point-to-plane ICP [4]33.16 m(Lee et al., 2025a, Table VI)
Zhang et al. [18]20.05 m(Lee et al., 2025a, Table VI)
X-ICP [24]無數值發散註記（擷取紀錄）：diverged (Div.)(Lee et al., 2025a, Table VI)
Ours (GenZ-ICP)本方法原文提出1.99 m(Lee et al., 2025a, Table VI)

其他比較組

列出其餘 2 個比較組

來源

  • Lee et al., 2025a

    Daehan Lee, Hyungtae Lim, Soohee Han（2025）GenZ-ICP: Generalizable and Degeneracy-Robust LiDAR Odometry Using an Adaptive WeightingIEEE Robotics and Automation Letters, 10(1):152-159

    DOI 10.1109/lra.2024.3498779arXiv 2411.06766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/cocel-postech/genz-icp（授權：MIT (LICENSE file checked; copyright notice names KISS-ICP authors, suggesting derived code (inference))）。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