Un nouveau comparatif oppose quatre méthodes de localisation et cartographie simultanées sur sept vols réels d’un drone équipé d’un LiDAR Livox Mid-360. Dans cette arène intérieure suivie par VICON, GLIM en mode GPU affiche l’erreur moyenne la plus faible.
Le banc d’essai a été publié le 7 septembre sur Open Robotics Discourse avec son dépôt, ses configurations et ses résultats. La plateforme associe un drone, un contrôleur Pixhawk, un ordinateur Jetson Orin NX et un capteur Livox Mid-360. Les auteurs ont évalué KISS-ICP, DLIO, FAST-LIO2 et GLIM sous ROS 2 Humble.
Sept vols et une référence VICON
Les sept séquences durent de 41,8 à 78 secondes. Elles ont été enregistrées dans une arène comprenant des portes en corde, des cônes, une palette et des cartons. La vérité terrain provient de la pose calculée par le Pixhawk, qui fusionne les données VICON avec celles de l’IMU et du baromètre.
Le protocole aligne les trajectoires avec l’outil evo et mesure l’erreur absolue de position, ou APE RMSE. Toutes les méthodes travaillent sur les mêmes données LiDAR et inertielles lorsqu’elles les acceptent. GLIM exploite le GPU du Jetson Orin NX, c’est-à-dire le matériel réellement embarqué sur la plateforme.
GLIM atteint quatre centimètres d’erreur moyenne
GLIM obtient une APE RMSE moyenne de 0,040 m sur les sept vols. DLIO suit à 0,096 m, FAST-LIO2 à 0,112 m et KISS-ICP à 0,123 m. Le résultat de GLIM reste le meilleur sur chacune des séquences publiées.
Le contraste le plus marqué concerne KISS-ICP. Cette méthode descend à 0,043 m sur une séquence, mais monte à 0,426 m sur une autre. Les auteurs attribuent cette variabilité à l’absence de soutien inertiel lorsque les mouvements du drone deviennent plus rapides. DLIO et FAST-LIO2 sont plus réguliers, sans atteindre la précision de GLIM dans ce décor.
Un résultat utile, mais lié à l’arène
Le dépôt fournit aussi des cartes de nuages de points et des cartes d’erreur pour plusieurs vols. Leur reconstruction suit la même procédure pour les quatre méthodes, ce qui limite un biais de comparaison lié aux outils d’export propres à chaque logiciel.
La victoire de GLIM doit toutefois être replacée dans son contexte. L’arène est petite et revisitable, une configuration favorable à la fermeture de boucle. Le classement pourrait évoluer en extérieur, dans de grands espaces ou lors de trajectoires sans retour sur une zone déjà observée.
Pour les équipes qui développent un drone autonome avec ROS 2, ce travail fournit surtout un protocole reproductible et des ordres de grandeur sur du matériel embarqué courant. Il permet de comparer précision, stabilité et coût de calcul avant de choisir une pile de navigation.
Notre analyse. Le principal intérêt n’est pas de désigner un vainqueur universel. Il réside dans la publication des configurations, des scripts et des résultats par séquence. Une prochaine étape décisive serait de répéter le protocole en extérieur, avec des mouvements plus agressifs et des scènes moins favorables à la fermeture de boucle.
Sources : Open Robotics Discourse et dépôt du benchmark.
Le dépôt permet enfin aux équipes de reproduire l’évaluation et d’ajouter leurs propres séquences.
