Scan-Matching based Particle Filtering approach for LIDAR-only Localization

要約

この論文では、$3\Dim$ LIDAR センサーのみを使用した自動運転車の位置特定方法論の開発について説明します。
このホワイト ペーパーのコンテキストでは、環境の既知の 3D グローバル マップで車両の位置を特定することは、基本的に、このマップ内でそのグローバルな $3\Dim$ ポーズ (位置と向き) を見つけることです。
追跡の問題は、シーケンシャル LIDAR スキャン測定を使用して、車両の全体的な姿勢に加えて、速度や角速度などの他の状態も推定することです。
粒子フィルターは、ローカリゼーションとマッピングを同時に行うアプリケーションのように、ローカライゼーションとトラッキングでよく使用されます。
しかし、粒子フィルターは、粒子の増加に伴って計算量が非常に多くなり、多くの場合、大きな $3\Dim$ マップでローカライズする必要があります。
さらに、各粒子の LIDAR スキャンの可能性を計算すること自体が計算コストの高いタスクであるため、リアルタイムのパフォーマンスに使用できる粒子の数が制限されます。
この目的のために、粒子フィルターの利点をグローバルローカルスキャンマッチング方法と組み合わせて、粒子フィルターの再サンプリング段階をより適切に通知するハイブリッドアプローチを提案します。
さらに、事前に計算された尤度グリッドを使用して、LIDAR スキャンの計算を高速化することを提案します。
最後に、公開されている KITTI データセットで十分なリアルタイム パフォーマンスを達成するために並列処理を広く活用するための完全なアルゴリズムを開発します。

要約(オリジナル)

This paper deals with the development of a localization methodology for autonomous vehicles using only a $3\Dim$ LIDAR sensor. In the context of this paper, localizing a vehicle in a known 3D global map of the environment is essentially to find its global $3\Dim$ pose (position and orientation) within this map. The problem of tracking is then to use sequential LIDAR scan measurement to also estimate other states such as velocity and angular rates, in addition to the global pose of the vehicle. Particle filters are often used in localization and tracking, as in applications of simultaneously localization and mapping. But particle filters become computationally prohibitive with the increase in particles, often required to localize in a large $3\Dim$ map. Further, computing the likelihood of a LIDAR scan for each particle is in itself a computationally expensive task, thus limiting the number of particles that can be used for real time performance. To this end, we propose a hybrid approach that combines the advantages of a particle filter with a global-local scan matching method to better inform the re-sampling stage of the particle filter. Further, we propose to use a pre-computed likelihood grid to speedup the computation of LIDAR scans. Finally, we develop the complete algorithm to extensively leverage parallel processing to achieve near sufficient real-time performance on publicly available KITTI datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google