CBGL: Fast Monte Carlo Passive Global Localisation of 2D LIDAR Sensor

要約

移動ロボットのナビゲーションは、その姿勢の知識に基づいて行われます。
観測者ベースの位置特定構成では、初期姿勢を事前に知ることができない場合があり、その推定が必要になります。
大域的位置特定の問題に対する解決策は、ノイズや環境の恣意性に対して堅牢であるが、動作と時間が必要であり、これを節約する必要がある（必要がある）か、最小限の推定時間を必要とするが、環境構造を前提としており、ノイズの影響を受けやすい可能性があり、前処理が必要であるかのいずれかです。
そしてチューニング。
この記事では、2 つのアプローチの長所を維持し、短所を回避する方法を提案します。
この方法は、2D LIDAR センサーの姿勢推定の誤差に関するレイごとの累積絶対誤差メトリックの特性を利用し、ファイン (r) 姿勢近似のためにスキャンとマップ間のマッチングを利用します。
異種の環境とセンサー特性を含む実際の条件とシミュレートされた条件での多数のテストにより、提案された方法が姿勢発見率と実行時間の点で両方のクラスのソリューションの最先端の方法よりも優れていることが示されています。
ソースコードはダウンロードできます。

要約(オリジナル)

Navigation of a mobile robot is conditioned on the knowledge of its pose. In observer-based localisation configurations its initial pose may not be knowable in advance, leading to the need of its estimation. Solutions to the problem of global localisation are either robust against noise and environment arbitrariness but require motion and time, which may (need to) be economised on, or require minimal estimation time but assume environmental structure, may be sensitive to noise, and demand preprocessing and tuning. This article proposes a method that retains the strengths and avoids the weaknesses of the two approaches. The method leverages properties of the Cumulative Absolute Error per Ray metric with respect to the errors of pose estimates of a 2D LIDAR sensor, and utilises scan–to–map-scan matching for fine(r) pose approximations. A large number of tests, in real and simulated conditions, involving disparate environments and sensor properties, illustrate that the proposed method outperforms state-of-the-art methods of both classes of solutions in terms of pose discovery rate and execution time. The source code is available for download.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google