Graph-based Global Robot Localization Informing Situational Graphs with Architectural Graphs

要約

本論文では、建築図面を用いた脚式ロボットのローカライゼーションのためのソリューションを提案する。この目標に向けた我々の具体的な貢献はいくつかあります。まず、建物の平面図を建築グラフ（A-Graph）と呼ぶものに変換する方法を開発する。ロボットが環境内で移動を開始する際、その環境に関する知識がないと仮定し、ロボットは周囲の状況グラフ表現（S-Graph）をオンラインで推定する。我々は、ロボットのセンサーからオンラインで推定されたS-Graphと、建物の図面から抽出されたA-Graphを関連付けるために、新しいグラフ間のマッチング方法を開発する。S-GraphはA-Graphの一部分を示している可能性があり、そのノードは異種であり、参照フレームも異なるため、この手法には課題がある。マッチング後、両グラフは整列・統合され、情報化された状況グラフ（iS-Graph）となり、これにより、グローバルなロボット定位と建物図面からの事前知識の活用を実現します。実験によると、本パイプラインは、いくつかのLiDARローカライゼーションベースラインと比較して、高い堅牢性と著しく低い姿勢誤差を示す。

要約(オリジナル)

In this paper, we propose a solution for legged robot localization using architectural plans. Our specific contributions towards this goal are several. Firstly, we develop a method for converting the plan of a building into what we denote as an architectural graph (A-Graph). When the robot starts moving in an environment, we assume it has no knowledge about it, and it estimates an online situational graph representation (S-Graph) of its surroundings. We develop a novel graph-to-graph matching method, in order to relate the S-Graph estimated online from the robot sensors and the A-Graph extracted from the building plans. Note the challenge in this, as the S-Graph may show a partial view of the full A-Graph, their nodes are heterogeneous and their reference frames are different. After the matching, both graphs are aligned and merged, resulting in what we denote as an informed Situational Graph (iS-Graph), with which we achieve global robot localization and exploitation of prior knowledge from the building plans. Our experiments show that our pipeline shows a higher robustness and a significantly lower pose error than several LiDAR localization baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL