要約
車輪付き移動ロボットには、ナビゲーション計画のために、その動きと制御アクションの影響を推定する機能が必要です。
この論文では、地上車両用の単線動力学モデルと視覚的慣性オドメトリを緊密に融合する新しいアプローチである ST-VIO を紹介します。
私たちの方法は、ダイナミクス モデルをオンラインで校正および適応させ、将来の制御入力を条件とした正確な前方予測を容易にします。
シングルトラックダイナミクスモデルは、常微分方程式を使用して、平坦な地面での特定の制御入力の下での車輪付き車両の動きを近似します。
単一トラック モデルの特異点がなく微分可能なバリアントを使用して、ダイナミクス要素として VIO にシームレスに統合し、VIO 状態変数とともにモデル パラメーターをオンラインで最適化します。
さまざまな地形タイプと車輪を備えた屋内と屋外の両方の環境で、実世界のデータを使用してメソッドを検証します。
私たちの実験では、ST-VIO が環境の変化に適応し、新しい制御入力の下で正確な予測を達成できるだけでなく、追跡精度も向上できることを実証しました。
補足ビデオ: https://youtu.be/BuGY1L1FRa4。
要約(オリジナル)
Wheeled mobile robots need the ability to estimate their motion and the effect of their control actions for navigation planning. In this paper, we present ST-VIO, a novel approach which tightly fuses a single-track dynamics model for wheeled ground vehicles with visual inertial odometry. Our method calibrates and adapts the dynamics model online and facilitates accurate forward prediction conditioned on future control inputs. The single-track dynamics model approximates wheeled vehicle motion under specific control inputs on flat ground using ordinary differential equations. We use a singularity-free and differentiable variant of the single-track model to enable seamless integration as dynamics factor into VIO and to optimize the model parameters online together with the VIO state variables. We validate our method with real-world data in both indoor and outdoor environments with different terrain types and wheels. In our experiments, we demonstrate that our ST-VIO can not only adapt to the change of the environments and achieve accurate prediction under new control inputs, but even improves the tracking accuracy. Supplementary video: https://youtu.be/BuGY1L1FRa4.
arxiv情報
| 著者 | Haolong Li,Joerg Stueckler |
| 発行日 | 2023-09-21 13:42:59+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google