Benchmarking LiDAR Odometry for UAVs: A Comparative Study Across Agricultural, Urban, and Unstructured Environments

LiDAR odometry provides self-contained localization for unmanned aerial vehicles (UAVs) in environments where GNSS is unreliable or unavailable. Most existing LiDAR odometry methods, however, were developed and validated primarily on ground vehicles, handheld devices, or small-scale indoor platforms, and their behavior on aerial platforms, where point cloud geometry, flight dynamics, and sensor configurations differ substantially, has not been systematically characterized. This thesis presents a comparative evaluation of five LiDAR odometry methods, KISS-ICP, GenZ-ICP, A-LOAM, LeGO-LOAM, and FAST-LIO2, across three publicly available UAV datasets: AgriLiRa4D (low-altitude agricultural terrain-following), GRACO (mid-altitude urban inspection), and MUN-FRL (open-terrain drone flight over quarry and coastal terrain). All five methods are evaluated under a unified protocol on 44 sequences, with trajectory accuracy quantified by Absolute Pose Error and Relative Pose Error using the EVO toolkit. Understanding these trade-offs empirically matters because practitioners currently have no evidence base for choosing a LiDAR odometry method for a given UAV deployment, only assumptions carried over from ground-vehicle benchmarks. The results confirm that this transfer is not safe: no single method dominates across all conditions, and method ranking depends strongly on flight altitude, terrain, and platform dynamics. Some design assumptions, such as reliance on a stable ground plane, prove incompatible with aerial platforms altogether. These findings translate into concrete method-selection guidance based on the intended flight profile and environment, the main practical contribution of this thesis.

La LiDAR odometry offre una localizzazione indipendente per i veicoli aerei a pilotaggio remoto (UAV) negli ambienti in cui il segnale GNSS è inaffidabile o assente. La maggior parte dei metodi di LiDAR odometry esistenti, tuttavia, è stata sviluppata e validata principalmente su veicoli terrestri, dispositivi portatili o piccole piattaforme indoor, e il loro comportamento su piattaforme aeree, dove la geometria della nuvola di punti, la dinamica di volo e la configurazione dei sensori differiscono in modo sostanziale, non è mai stato caratterizzato in maniera sistematica. Questa tesi presenta una valutazione comparativa di cinque metodi di LiDAR odometry, KISS-ICP, GenZ-ICP, A-LOAM, LeGO-LOAM e FAST-LIO2, su tre dataset UAV disponibili pubblicamente: AgriLiRa4D (volo agricolo a bassa quota che segue il profilo del terreno), GRACO (ispezione urbana a media quota) e MUN-FRL (volo su terreno aperto tra cave e zone costiere). Tutti e cinque i metodi sono valutati secondo un protocollo unificato su 44 sequenze, con l'accuratezza della traiettoria quantificata tramite Absolute Pose Error e Relative Pose Error, calcolate con il toolkit EVO. Comprendere empiricamente questi compromessi è importante perché, allo stato attuale, non esiste una base di evidenze per scegliere un metodo di LiDAR odometry adatto a un determinato impiego UAV, ma solo ipotesi ereditate dai benchmark su veicoli terrestri. I risultati confermano che tale trasferimento non è sicuro: nessun singolo metodo domina in tutte le condizioni, e la classifica dei metodi dipende fortemente dall'altitudine di volo, dal tipo di terreno e dalla dinamica della piattaforma. Alcune assunzioni progettuali, come l'affidamento a un piano del terreno stabile, risultano del tutto incompatibili con le piattaforme aeree. Questi risultati si traducono in indicazioni concrete per la scelta del metodo più adatto in base al profilo di volo e all'ambiente previsti, il principale contributo pratico di questa tesi.