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

要約

自律型水中探査機（AUV）や遠隔操作型探査機（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と水の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。
しかし、状態推定、つまり位置特定は、ロボット システム、特に水中を移動するロボット システムにとってよく知られた問題です。
この論文では、センサーの故障に強い位置特定精度を向上させる、密結合されたマルチセンサー融合フレームワークを紹介します。
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が、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ています。
提案された方法は、凍った氷の下で現場で収集されたデータセットを使用して検証され、その結果が他の 6 つの異なるセンサーフュージョンセットアップと比較されます。
全体として、キーフレームを有効にし、DVL を利用した機能拡張を行った結果は、合計移動距離が約 200 m のグラウンド トゥルース パスと比較して、二乗平均平方根誤差が 2 m 未満で最高のパフォーマンスをもたらしました。

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