Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water Boundary Exploration

要約

自動水中ビークル (AUV) や遠隔操作ビークル (ROV) などのロボット水中システムは、科学の進歩のために氷水界面で生物地球化学データを収集するための有望なツールです。
ただし、状態の推定、つまりローカリゼーションは、ロボット システム、特に水中を移動するロボット システムではよく知られている問題です。
このホワイト ペーパーでは、密結合のマルチ センサー フュージョン フレームワークを提示して、センサーの障害に対してロバストなローカリゼーションの精度を高めます。
視覚画像、ドップラー速度ログ (DVL)、慣性測定ユニット (IMU)、および圧力センサーは、状態推定のために最先端のマルチステート制約カルマン フィルター (MSCKF) に統合されています。
それに加えて、ローカリゼーションのパフォーマンスをさらに向上させるために、新しいキーフレーム ベースの状態クローン メカニズムと新しい DVL 支援機能拡張が提供されます。
提案された方法は、凍った氷の下のフィールドで収集されたデータ セットで検証され、結果は 6 つの他の異なるセンサー フュージョン設定と比較されます。
全体として、キーフレームを有効にし、DVL を使用した機能強化を行った結果は、総移動距離が約 200 m のグラウンド トゥルース パスと比較して、2 m 未満の二乗平均平方根誤差で最高のパフォーマンスをもたらします。

要約(オリジナル)

Robotic underwater systems, e.g., Autonomous Underwater Vehicles (AUVs) and Remotely Operated Vehicles (ROVs), are promising tools for collecting biogeochemical data at the ice-water interface for scientific advancements. However, state estimation, i.e., localization, is a well-known problem for robotic systems, especially, for the ones that travel underwater. In this paper, we present a tightly-coupled multi-sensors fusion framework to increase localization accuracy that is robust to sensor failure. Visual images, Doppler Velocity Log (DVL), Inertial Measurement Unit (IMU) and Pressure sensor are integrated into the state-of-art Multi-State Constraint Kalman Filter (MSCKF) for state estimation. Besides that a new keyframe-based state clone mechanism and a new DVL-aided feature enhancement are presented to further improve the localization performance. The proposed method is validated with a data set collected in the field under frozen ice, and the result is compared with 6 other different sensor fusion setups. Overall, the result with the keyframe enabled and DVL-aided feature enhancement yields the best performance with a Root-mean-square error of less than 2 m compared to the ground truth path with a total traveling distance of about 200 m.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google