LiDAR-only odometry with a piecewise-linear continuous-time trajectory optimized in a sliding window, coupling point-to-plane geometry with smoothness constraints so no separate deskewing is needed.

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。

Traj-LO 的技術屬性
感測輸入3D LiDAR only (single or multiple, spinning and non-repetitive)
原文測試平台vehicle、UAV、handheld
狀態估計Sliding-window nonlinear least squares (Gauss-Newton with analytic SE(3) Jacobians) over K+1 control poses of a piecewise-linear continuous-time trajectory (K = 4 segments of 0.03 s in experiments), with point-to-plane terms, a smoothness term penalizing velocity change between consecutive segments, and a Schur-complement marginalization prior with first-estimate Jacobians; marginalization lowered ATE in all four ablation settings (Table IV)
資料關聯point-to-plane to map neighbours, normals from PCA of five closest points; no feature selection
時間表示continuous-time piecewise-linear segments in SE(3) (e.g., 0.01 s segments for an indoor aggressive sequence)
去畸變not required: each point is registered with the pose queried at its own timestamp
迴圈閉合none
全域最佳化none
地圖表示Spatial hashing voxel map (following CT-ICP and KISS-ICP) storing up to 20 points per voxel, 7 nearest voxels searched, new points dropped when a voxel is full, points farther than 100 m removed; voxel size 0.4 m indoor, 0.8 m outdoor and 0.2 m for the Point-LIO indoor sequence
先驗資訊none
可輸出幾何odometry and voxel point map; export format 原文未報告
計算需求AMD Ryzen 9 5900X CPU; on NTU VIRAL nya01 (395 s) total processing 116.2 s with four segments and marginalization (173.2 s without) and 49.7 s with one segment, versus KISS-ICP 47.7 s, CT-ICP 152.8 s and FLOAM 25.6 s; memory capped at 208 MB because the map keeps points within a fixed radius

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。

原文使用的設備
類別型號(原文寫法)角色資料集原文規格出處
LiDARVelodyne HDL-64E S2歸入:Velodyne HDL-64E資料集感測器KITTI odometryKITTI points are motion-corrected, per-point time discarded(Zheng & Zhu, 2024, Sec. IV-A)
LiDARtwo 16-channel Ouster LiDARs (horizontal and vertical OS1-16)資料集感測器NTU VIRAL10 Hz with per-point relative timestamps(Zheng & Zhu, 2024, Sec. IV-A; Table II footnote)
LiDAROuster OS0-64資料集感測器Hilti 2021360 deg FoV at 10 Hz, handheld(Zheng & Zhu, 2024, Sec. IV-A; Table III footnote)
LiDARLivox MID70資料集感測器Hilti 202170 deg circular FoV, non-repetitive Risley-prism scan, 10 Hz(Zheng & Zhu, 2024, Sec. IV-A; Sec. IV-D)
LiDARLivox Avia資料集感測器Point-LIO datasetrotating-platform and swinging-rope sequences beyond the IMU range(Zheng & Zhu, 2024, Sec. IV-A; Sec. IV-E)
慣性量測單元(IMU)9-axis IMU (external IMU)資料集感測器NTU VIRAL385 Hz; used only by the LIO baselines(Zheng & Zhu, 2024, Sec. IV-A; Table II footnote)
慣性量測單元(IMU)IMU embedded in the OS0-64資料集感測器Hilti 2021used only by LIO baselines(Zheng & Zhu, 2024, Table III footnote)
全測站Leica Nova MS60參考或真值量測NTU VIRALground truth trajectory(Zheng & Zhu, 2024, Sec. IV-A)
全測站Hilti PLT 300 automated total station參考或真值量測Hilti 2021millimeter-accurate ground truth (or MoCap)(Zheng & Zhu, 2024, Sec. IV-A)
運算硬體AMD Ryzen 9 5900X CPU執行運算平台未標示all experiments; runtime and memory in Table V(Zheng & Zhu, 2024, VoR Sec. IV)
其他motion capture (MoCap) system參考或真值量測Hilti 2021alternative ground truth source(Zheng & Zhu, 2024, Sec. IV-A)

作者報告的優勢與限制

優勢

限制

營建工程相關證據

作者描述其使用的 Hilti 2021 資料集包含辦公室、實驗室與施工環境之室內序列及施工現場之室外序列,地面真值來自 Hilti PLT 300 全測站或動作擷取系統。表 III 的 Cons2 依 Hilti 2021 官方序列名稱推定為 Construction Site Outdoor 2(推論),該序列官方地面真值為全測站量測的 3 自由度稀疏點位;Traj-LO 在 Cons2 的 ATE 為 0.065 m(OS0-64)、0.135 m(MID70)與 0.063 m(兩者併用)。僅有軌跡層級評估,未評估點雲幾何。

原文驗證環境:公開基準、施工中工地、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 8 個比較組,合計 73 筆紀錄。以下列出本方法紀錄最多的 4 組,其餘 4 組列在最後,並連到性能比較頁。

Cao et al., 2025 · Table II (NTU VIRAL) 本方法 18 筆

指標APE (RMSE, meters)

表格設定(擷取紀錄原文):NTU VIRAL drone sequences, horizontal OS1-16 for RESPLE; APE RMSE with the official NTU VIRAL evaluation script; T-LO, C-MLO (two LiDARs) and F-LIO2 values are copied from refs. [13] (Traj-LO), [16] (CTE-MLO) and [18] (Nguyen et al. 2024, not the FAST-LIO2 paper), respectively, per the Table II footnote; x marks failure (Cao et al., 2025, Table II (NTU VIRAL))

APE (RMSE, meters),NTU VIRAL · eee_01

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。

按 Tab 進入圖表後,用上下方向鍵逐一瀏覽各類別,Esc 關閉提示框;也可開啟表格檢視閱讀全部數值。

這些是 Cao et al., 2025 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:campus indoor and outdoor, drone

資料來源作者報告值(Cao et al., 2025, Table II (NTU VIRAL))

數值與出處
方法(原文寫法)報告值出處
T-LO (Traj-LO)本方法0.055 m(Cao et al., 2025, Table II)
C-MLO (CTE-MLO, 2 LiDARs)0.08 m(Cao et al., 2025, Table II)
F-LIO2 (FAST-LIO2)0.069 m(Cao et al., 2025, Table II)
R-LO (RESPLE LiDAR-only)原文提出0.044 m(Cao et al., 2025, Table II)
R-LIO (RESPLE LiDAR-inertial)原文提出0.036 m(Cao et al., 2025, Table II)

Zheng & Zhu, 2024 · Table III 本方法 18 筆

指標ATE (m)

表格設定(擷取紀錄原文):Hilti 2021 handheld sequences; L1 Ouster OS0-64, L2 Livox MID70, I IMU embedded in L1; ground truth from Hilti PLT 300 total station or MoCap; x divergence, dash invalid result (Zheng & Zhu, 2024, Table III)

ATE (m),Hilti 2021 SLAM challenge · RPG

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

按 Tab 進入圖表後,用上下方向鍵逐一瀏覽各類別,Esc 關閉提示框;也可開啟表格檢視閱讀全部數值。

這些是 Zheng & Zhu, 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:原文未報告;對齊方式:原文未報告;單位:m;場景:Hilti 2021 handheld; per-sequence environment not stated in the paper (dataset described as indoor offices, labs and construction environments and outdoor construction sites and parking areas)

資料來源作者報告值(Zheng & Zhu, 2024, Table III)

數值與出處
方法(原文寫法)報告值出處
FLOAM (L1)2.775 m(Zheng & Zhu, 2024, Table III)
FLOAM (L2)無數值失敗註記(擷取紀錄):invalid result (dash)(Zheng & Zhu, 2024, Table III)
KISS-ICP (L1)0.187 m(Zheng & Zhu, 2024, Table III)
KISS-ICP (L2)3.726 m(Zheng & Zhu, 2024, Table III)
CT-ICP (L1)0.188 m(Zheng & Zhu, 2024, Table III)
CT-ICP (L2)0.197 m(Zheng & Zhu, 2024, Table III)
Ours (Traj-LO, L1)本方法原文提出0.172 m(Zheng & Zhu, 2024, Table III)
Ours (Traj-LO, L2)本方法原文提出0.218 m(Zheng & Zhu, 2024, Table III)
Ours (Traj-LO, L1+L2)本方法原文提出0.17 m(Zheng & Zhu, 2024, Table III)
LIO-SAM無數值失敗註記(擷取紀錄):invalid result (dash)(Zheng & Zhu, 2024, Table III)
FAST-LIO [7] (L1+I)0.182 m(Zheng & Zhu, 2024, Table III)
FAST-LIO [7] (L2+I)0.282 m(Zheng & Zhu, 2024, Table III)
CLIC (L1+I)0.394 m(Zheng & Zhu, 2024, Table III)
CLIC (L2+I)無數值失敗註記(擷取紀錄):invalid result (dash)(Zheng & Zhu, 2024, Table III)

Zheng & Zhu, 2024 · Table I 本方法 12 筆

指標RTE (%)

表格設定(擷取紀錄原文):KITTI odometry RTE (%); points are motion-corrected in KITTI so continuous registration is disabled and motion constraints span 4 scans; 0.205 deg vertical correction; Online is the KITTI leaderboard score on test sequences 11 to 21 (version of record table has no AVG column) (Zheng & Zhu, 2024, Table I)

RTE (%),KITTI odometry · 00

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。

按 Tab 進入圖表後,用上下方向鍵逐一瀏覽各類別,Esc 關閉提示框;也可開啟表格檢視閱讀全部數值。

這些是 Zheng & Zhu, 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:平均值(mean);對齊方式:未對齊;單位:%;場景:urban and highway driving

資料來源作者報告值(Zheng & Zhu, 2024, Table I)

數值與出處
方法(原文寫法)報告值出處
FLOAM0.71%(Zheng & Zhu, 2024, Table I)
KISS-ICP0.52%(Zheng & Zhu, 2024, Table I)
CT-ICP0.49%(Zheng & Zhu, 2024, Table I)
Ours (Traj-LO)本方法原文提出0.5%(Zheng & Zhu, 2024, Table I)

Cao et al., 2025 · Table III (GrandTour) 本方法 8 筆

指標APE (RMSE, meters)

表格設定(擷取紀錄原文):GrandTour ANYmal D quadruped with Boxi rig: L1 Hesai XT32, L2 Livox Mid360, I built-in IMU of L2; APE RMSE via evo after interpolating estimates at ground-truth timestamps; x marks failure; sequences marked * are not in the public release (Cao et al., 2025, Table III (GrandTour))

APE (RMSE, meters),GrandTour · JTL

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

按 Tab 進入圖表後,用上下方向鍵逐一瀏覽各類別,Esc 關閉提示框;也可開啟表格檢視閱讀全部數值。

這些是 Cao et al., 2025 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:underground (not in public release)

資料來源作者報告值(Cao et al., 2025, Table III (GrandTour))

數值與出處
方法(原文寫法)報告值出處
T-LO (L1)本方法0.046 m(Cao et al., 2025, Table III)
C-MLO (L1+L2)無數值失敗註記(擷取紀錄):failed(Cao et al., 2025, Table III)
F-LIO2 (L1+I)無數值失敗註記(擷取紀錄):failed(Cao et al., 2025, Table III)
R-LO (L1)原文提出0.035 m(Cao et al., 2025, Table III)
R-MLO (L1+L2)原文提出0.026 m(Cao et al., 2025, Table III)
R-LIO (L1+I)原文提出0.028 m(Cao et al., 2025, Table III)
R-MLIO (L1+L2+I)原文提出0.028 m(Cao et al., 2025, Table III)

其他比較組

列出其餘 4 個比較組

來源

  • Zheng & Zhu, 2024

    Xin Zheng, Jianke Zhu(2024)Traj-LO: In Defense of LiDAR-Only Odometry Using an Effective Continuous-Time TrajectoryIEEE Robotics and Automation Letters, 9(2):1961-1968

    同儕審查已出版已讀全文近十年查證後修正

回到方法圖鑑

選擇開啟Esc關閉