要約
高度に都市化された地域で正確かつ確実に車両の位置を特定することは困難です。
このような複雑で大規模な環境では、センサーが破損することがよくあります。
このペーパーでは、GNSS 観測と複数のセンサー測定を融合して確実な車両位置特定を実現する、オンラインかつグローバルな軌道推定ツールである GNSS-FGO を紹介します。
GNSS-FGO では、ガウス過程回帰を使用して、非同期センサーの測定値を連続時間軌跡表現のグラフに融合します。
これにより、任意のタイムスタンプで状態をクエリできるため、厳密な状態と測定の同期を必要とせずにセンサーの観察が融合されます。
したがって、提案された方法は、マルチセンサーフュージョンのための一般化された因子グラフを提示します。
さまざまな GNSS 融合戦略を評価および研究するために、速度センサー、IMU、ライダーオドメトリと疎結合および密結合で GNSS 測定を融合します。
私たちは、アーヘン、デュッセルドルフ、ケルンでの測定キャンペーンからのデータセットを実験研究に使用し、センサーの観察、スムーズなタイプ、ハイパーパラメーターの調整に関する包括的な議論を行いました。
私たちの結果は、提案されたアプローチが、従来のマルチセンサー融合手法がセンサーの劣化により機能しない密集した都市部でもロバストな軌道推定を可能にすることを示しています。
アーヘンを通る17kmのルートを含むテストシーケンスでは、提案された方法により、疎結合GNSS融合では平均2D測位誤差が0.19m、密結合で生のGNSS観測とライダー走行距離を融合している場合は0.48mという結果が得られました。
要約(オリジナル)
Accurate and robust vehicle localization in highly urbanized areas is challenging. Sensors are often corrupted in those complicated and large-scale environments. This paper introduces GNSS-FGO, an online and global trajectory estimator that fuses GNSS observations alongside multiple sensor measurements for robust vehicle localization. In GNSS-FGO, we fuse asynchronous sensor measurements into the graph with a continuous-time trajectory representation using Gaussian process regression. This enables querying states at arbitrary timestamps so that sensor observations are fused without requiring strict state and measurement synchronization. Thus, the proposed method presents a generalized factor graph for multi-sensor fusion. To evaluate and study different GNSS fusion strategies, we fuse GNSS measurements in loose and tight coupling with a speed sensor, IMU, and lidar-odometry. We employed datasets from measurement campaigns in Aachen, Duesseldorf, and Cologne in experimental studies and presented comprehensive discussions on sensor observations, smoother types, and hyperparameter tuning. Our results show that the proposed approach enables robust trajectory estimation in dense urban areas, where the classic multi-sensor fusion method fails due to sensor degradation. In a test sequence containing a 17km route through Aachen, the proposed method results in a mean 2D positioning error of 0.19m for loosely coupled GNSS fusion and 0.48m while fusing raw GNSS observations with lidar odometry in tight coupling.
arxiv情報
| 著者 | Haoming Zhang,Chih-Chun Chen,Heike Vallery,Timothy D. Barfoot |
| 発行日 | 2023-09-20 08:30:53+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google