论文/arXiv 2609.10336·1 个月前

使用 OpenStreetMap 车道几何的里程计无关漂移校正

针对大规模或无闭环环境中的长期漂移，提出将短轨迹片段与 OSM 车道中心线直接对齐的轻量开源方法，并在 LiDAR 和视觉里程计后端验证。

AI 整理

• 本体 SDK 与控制
• 感知与导航

原文链接：Odometer-Agnostic Drift Correction Using OpenStreetMap Lane Geometry（arXiv 2609.10336 · 发布日期：2026-09-02）

Odometer-Agnostic Drift Correction Using OpenStreetMap Lane Geometry

针对大规模或无闭环环境中的长期漂移，提出将短轨迹片段与 OSM 车道中心线直接对齐的轻量开源方法，并在 LiDAR 和视觉里程计后端验证。

核心要点

• 长期增量位姿积分在大规模或无闭环环境中易累积漂移。
• 方法将近期里程计短轨迹与 OSM 稀疏车道中心线直接对齐。
• 该开源方法无需稠密先验或昂贵预处理，支持高效在线运行。
• 在 LiDAR 和视觉里程计后端实验，严重漂移时增益尤为明显。

验证范围与局限：验证范围为 LiDAR 和视觉里程计后端的漂移校正实验。

英文摘要 (Abstract)

Despite significant progress in odometry estimation, long-term drift remains a fundamental limitation of incremental pose integration, especially in large-scale or loop-free environments. Existing map-assisted methods can reduce drift, but often depend on dense maps, sensor-specific processing, or complex matching pipelines. We propose a lightweight open-source, odometry-agnostic correction method that aligns short trajectory segments to OpenStreetMap (OSM) lane centerlines. By formulating drift correction as a direct alignment between recent odometry and sparse lane geometry, the method enables efficient online operation without dense priors or expensive preprocessing. Experiments with LiDAR and visual odometry backends demonstrate consistent improvements, with particularly strong gains under severe drift.

作者：Joaquin Caballero, Emilio Garcia‐Fidalgo, Alberto Ortiz, Jarno Ralli

来源

本页事实对应的公开页面，以原文为准。

1. arXiv 2609.10336：Odometer-Agnostic Drift Correction Using OpenStreetMap Lane Geometry访问 2026-10-21