Advancements in Radar Odometry

要約

レーダー オドメトリ推定は、自律航行の分野で重要な技術として浮上しており、さまざまな環境条件下で堅牢で信頼性の高い動き推定を提供します。
その可能性にもかかわらず、レーダー信号の複雑な性質と、これらの信号の処理に伴う固有の課題により、この技術の広範な採用は制限されてきました。
この論文は、さまざまなシナリオにおける精度と信頼性を向上させるように設計された、レーダー オドメトリ推定の既存の方法に新たな改良を提案することで、これらの課題に対処することを目的としています。
私たちのパイプラインは、フィルタリング、動き補償、指向性サーフェス ポイントの計算、スムージング、1 対多のレーダー スキャン レジストレーション、ポーズ調整で構成されます。
開発された方法は、1対多の登録後の改良として、スムージング技術と連続スキャンの位置合わせを通じて追加情報を追加することにより、シーンの局所的な理解を強制します。
私たちは、位置特定精度に対する各改善の寄与についての詳細な調査を提示し、レーダーを理解するための主要なデータセット、つまり、オックスフォード レーダー ロボットカー、MulRan、および Boreas データセットのシーケンスでシステムのベンチマークを行います。
提案されたパイプラインは、考慮されたすべてのシナリオおよび厳しい環境制約下で優れた結果を達成できます。

要約(オリジナル)

Radar odometry estimation has emerged as a critical technique in the field of autonomous navigation, providing robust and reliable motion estimation under various environmental conditions. Despite its potential, the complex nature of radar signals and the inherent challenges associated with processing these signals have limited the widespread adoption of this technology. This paper aims to address these challenges by proposing novel improvements to an existing method for radar odometry estimation, designed to enhance accuracy and reliability in diverse scenarios. Our pipeline consists of filtering, motion compensation, oriented surface points computation, smoothing, one-to-many radar scan registration, and pose refinement. The developed method enforces local understanding of the scene, by adding additional information through smoothing techniques, and alignment of consecutive scans, as a refinement posterior to the one-to-many registration. We present an in-depth investigation of the contribution of each improvement to the localization accuracy, and we benchmark our system on the sequences of the main datasets for radar understanding, i.e., the Oxford Radar RobotCar, MulRan, and Boreas datasets. The proposed pipeline is able to achieve superior results, on all scenarios considered and under harsh environmental constraints.

arxiv情報

著者 Matteo Frosi,Mirko Usuelli,Matteo Matteucci
発行日 2023-10-19 13:29:05+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク