UWB Radar SLAM: an Anchorless Approach in Vision Denied Indoor Environments

要約

LiDAR とカメラは、同時位置特定とマッピング (SLAM) のセンサーとして頻繁に使用されます。
ただし、これらのセンサーは、視界の悪い場所 (煙など) や反射面のある場所 (鏡など) では故障する傾向があります。
一方、電磁波は波長が長くなると透過性が良くなるため、視界不良の影響を受けにくくなります。
したがって、この文書では、既存のセンサーの代替として超広帯域 (UWB) レーダーを紹介します。
UWB は一般に、アンカータグ SLAM システムで使用されることが知られています。
1 つ以上のアンカーが環境に設置され、タグがロボットに取り付けられます。
この方法は可視性が低い状況ではうまく機能しますが、既存のインフラストラクチャを変更することが常に実現できるとは限りません。
UWB は、ピアツーピア測距協調 SLAM システムでも使用されています。
ただし、これには複数のロボットが必要であり、煙のような前述の環境でのマッピングは含まれません。
したがって、このホワイトペーパーで説明するアプローチは、オンボードに搭載された UWB トランシーバーのみに依存します。
さらに、拡張カルマン フィルター (EKF) SLAM を使用して、バックエンドでの SLAM 問題を解決します。
実験が行われ、提案された UWB ベースのレーダー SLAM がロボットの位置特定を改善しながら、屋内環境内の自然な点のランドマークをマッピングできることが実証されました。

要約(オリジナル)

LiDAR and cameras are frequently used as sensors for simultaneous localization and mapping (SLAM). However, these sensors are prone to failure under low visibility (e.g. smoke) or places with reflective surfaces (e.g. mirrors). On the other hand, electromagnetic waves exhibit better penetration properties when the wavelength increases, thus are not affected by low visibility. Hence, this paper presents ultra-wideband (UWB) radar as an alternative to the existing sensors. UWB is generally known to be used in anchor-tag SLAM systems. One or more anchors are installed in the environment and the tags are attached to the robots. Although this method performs well under low visibility, modifying the existing infrastructure is not always feasible. UWB has also been used in peer-to-peer ranging collaborative SLAM systems. However, this requires more than a single robot and does not include mapping in the mentioned environment like smoke. Therefore, the presented approach in this paper solely depends on the UWB transceivers mounted on-board. In addition, an extended Kalman filter (EKF) SLAM is used to solve the SLAM problem at the back-end. Experiments were conducted and demonstrated that the proposed UWB-based radar SLAM is able to map natural point landmarks inside an indoor environment while improving robot localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google