Surfel-LIO調査レポート：2025年末登場の高速LiDAR-Inertial Odometryは何が新しいのか

1. 概要

Surfel-LIO は、LiDARとIMUを統合して自己位置推定を行う LiDAR-Inertial Odometry (LIO) の新しい実装です。確認できた一次情報では、論文は 2025年12月3日にarXivへ投稿され、12月4日に改訂版(v2)が公開 されています。

この手法が注目されている理由は、LIOで計算負荷の大きい

• 近傍点探索
• 平面当てはめ
• 反復最適化ごとの平面再計算

をかなり強く削減し、精度を大きく落とさずに処理速度を大幅に引き上げる ことを狙っている点にあります。

2. 何が新しいのか

Surfel-LIOの中核は、論文題名にもある 「事前計算されたsurfel」と「階層的Z-order voxel hashing」 です。

• Pre-computed surfel
  各ボクセルに対して、平面の法線・重心・平面らしさを表す情報をあらかじめ保持します。これにより、毎回その場で平面フィッティングをやり直す必要を減らします。
• Hierarchical voxel structure (hVox)
  粗い階層と細かい階層を使い分ける2段階の空間構造で、対応点探索を高速化します。
• Z-order Morton code hashing
  空間インデックスをキャッシュ効率の良い形で管理し、実装上の探索効率を高めます。
• O(1) correspondence retrieval
  著者らは、対応取得を実行時の近傍列挙や平面再推定に頼らず、定数時間的に扱える構造にしたことを主要な売りにしています。

要するに、Surfel-LIOは「点群から毎回局所平面を作り直すLIO」ではなく、地図側に平面情報を持たせて、対応探索そのものを軽くする方向 に振っています。

3. 既存LIOとの違い

比較対象として明示されているのは、少なくとも FAST-LIO2 と FASTER-LIO です。

• FAST-LIO2
  ikd-Treeを使った高速な直接法LIOで、2021年以降の定番の一つです。raw pointをそのまま地図へ合わせにいく構成が強みです。
• FASTER-LIO
  FAST-LIO2をさらに軽量化・高速化した系統で、疎なincremental voxelを並列に扱うことで速度向上を狙います。
• Surfel-LIO
  上の流れを継承しつつ、「探索高速化」だけでなく「平面情報の事前保持」まで踏み込んだ 点が違います。

このため、Surfel-LIOの価値は「別系統のLIO」ではなく、FAST-LIO系の高速化競争をもう一段先に進めた実装 と見るのが妥当です。

4. ベンチマーク結果

公開実装READMEでは、M3DGR データセット上で FAST-LIO2 および FASTER-LIO と比較した結果が示されています。

Livox Avia

• APE RMSE: Surfel-LIO 0.365 m / FAST-LIO2 0.397 m / FASTER-LIO 0.362 m
• FPS: Surfel-LIO 531 / FAST-LIO2 125 / FASTER-LIO 184

速度比にすると、Surfel-LIOは平均で

• FAST-LIO2比で 約4.2倍
• FASTER-LIO比で 約2.9倍

です。

Livox Mid-360

• APE RMSE: Surfel-LIO 0.342 m / FAST-LIO2 0.342 m / FASTER-LIO 0.352 m
• FPS: Surfel-LIO 690 / FAST-LIO2 282 / FASTER-LIO 353

こちらは平均で

• FAST-LIO2比で 約2.4倍
• FASTER-LIO比で 約2.0倍

の速度です。

つまり著者らの主張をそのまま要約すると、Surfel-LIOは 精度は同等級、速度はかなり速い というポジションです。

5. 実装面で見たポイント

公開GitHubリポジトリでは、以下の特徴が明示されています。

• IEKF (Iterated Extended Kalman Filter) ベースのLiDAR-IMU融合
• PKO (Probabilistic Kernel Optimization) によるHuber lossの自動スケーリング
• IMU-based undistortion によるLiDARスキャンのモーション補償
• Ubuntu 20.04 前提のビルド手順
• ROS2 wrapper が別リポジトリで提供

研究プロトタイプとしては、論文だけでなく実装も公開されている点は重要です。2026年3月10日時点でGitHubリポジトリは 約194 stars で、少なくともLIO研究コミュニティ内で関心を集め始めていることがうかがえます。

6. 現時点での評価

Surfel-LIOは、2026年3月時点では 「有望な新興手法」 と評価するのが適切です。

理由は以下の通りです。

• 良い点
  高速化のロジックが明確で、公開コードもあるため再現性を取りやすいです。特に、Livox系センサで高FPSを出したい用途には魅力があります。
• 注意点
  確認できた一次情報では、現時点ではまず arXiv論文とGitHub公開実装 が中心です。査読付き採録先や、より広いベンチマークでの第三者検証まではまだ十分確認できませんでした。
• 技術的な見どころ
  今後のLIO研究では、単なる近傍探索の改善よりも、地図表現そのものに幾何情報をキャッシュする方向 がさらに広がる可能性があります。Surfel-LIOはその流れを象徴する例だと考えられます。

7. まとめ

Surfel-LIOは、2025年12月に公開された新しいLIOで、階層ボクセル + 事前計算surfel により、対応探索と平面再計算のコストを下げることを主眼にしています。公開されている結果を見る限り、FAST-LIO2 や FASTER-LIO に対して 同程度の精度を維持しながら、2倍から4倍級の速度向上 を示しており、最近話題になる理由は十分あります。

一方で、現段階では主に著者公開の結果に依拠するため、実運用レベルで評価するには、他データセットや第三者再現での確認が今後の論点になります。

8. 引用・参照元

• arXiv: Surfel-LIO: Fast LiDAR-Inertial Odometry with Pre-computed Surfels and Hierarchical Z-order Voxel Hashing
• GitHub: 93won/lidar_inertial_odometry
• M3DGR dataset: sjtuyinjie/M3DGR
• FAST-LIO / FAST-LIO2 implementation: hku-mars/FAST_LIO
• FASTER-LIO implementation: gaoxiang12/faster-lio
• FAST-LIO2 overview page: FAST-LIO2: Fast Direct LiDAR-inertial Odometry

---

作成日: 2026-03-10
著者AIモデル: OpenAI Codex (GPT-5)