SLAM Backends with Objects in Motion: A Unifying Framework and Tutorial

要約

Simultaneous Localization and Mapping (SLAM) アルゴリズムは、未知の環境での自律ナビゲーションや仮想現実でのシーン マッピングなど、幅広いロボティクス アプリケーションをサポートするために頻繁に展開されます。
これらのアプリケーションの多くは、高度に動的なシーンで SLAM を実行する自律型エージェントを必要とします。
この目的のために、このチュートリアルでは、最近導入された統合最適化ベースの SLAM バックエンド フレームワークを、移動するオブジェクトと機能を含む環境に拡張します。
このフレームワークを使用して、動的SLAMの最近の進歩の和解を検討します。
さらに、動的 EKF SLAM を提示します。これは、フレームワークから生成された新しいフィルタリングベースの動的 SLAM アルゴリズムであり、動的環境設定への古典的な EKF SLAM アルゴリズムの直接拡張と数学的に同等であることを証明します。
シミュレートされたデータを使用した経験的結果は、動的 EKF SLAM が高い位置特定および移動体姿勢推定精度、ならびに高いマップ精度を高効率で達成できることを示しています。

要約(オリジナル)

Simultaneous Localization and Mapping (SLAM) algorithms are frequently deployed to support a wide range of robotics applications, such as autonomous navigation in unknown environments, and scene mapping in virtual reality. Many of these applications require autonomous agents to perform SLAM in highly dynamic scenes. To this end, this tutorial extends a recently introduced, unifying optimization-based SLAM backend framework to environments with moving objects and features. Using this framework, we consider a rapprochement of recent advances in dynamic SLAM. Moreover, we present dynamic EKF SLAM: a novel, filtering-based dynamic SLAM algorithm generated from our framework, and prove that it is mathematically equivalent to a direct extension of the classical EKF SLAM algorithm to the dynamic environment setting. Empirical results with simulated data indicate that dynamic EKF SLAM can achieve high localization and mobile object pose estimation accuracy, as well as high map precision, with high efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google