Efficient 2D Graph SLAM for Sparse Sensing

要約

同時位置特定とマッピング (SLAM) は、未知の空間をマッピングし、自律ナビゲーションを支援する上で重要な役割を果たします。
事実上、今日の 2D SLAM 用の最先端ソリューションはすべて、レーザー距離計 (LiDAR) などの高密度で正確なセンサー向けに設計されています。
しかし、これらのセンサーは、今日ますます高機能で遍在的になっているリソースが限られたナノロボットには適しておらず、これらのロボットはまばらでノイズの多い測定しか提供できない経済的で低電力のセンサーを搭載する傾向があります。
これにより、スパース センシングを伴う SLAM と呼ばれる困難な問題が発生します。
この研究では、新しいフロントエンドとバックエンドでのループクローズの改良を備えた最先端のグラフベースの SLAM パイプラインの形式を採用することで問題に対処しています。どちらも、まばらで不確実な範囲のデータを処理するように設計されています。
。
実験によれば、私たちのアルゴリズムによって構築されたマップは、スパースセンシングに関する以前の研究と比較して優れた品質を持っています。
さらに、私たちの方法は、最新の PC 上でリアルタイムで実行でき、平均処理時間は入力間隔時間の 1/100 です。

要約(オリジナル)

Simultaneous localization and mapping (SLAM) plays a vital role in mapping unknown spaces and aiding autonomous navigation. Virtually all state-of-the-art solutions today for 2D SLAM are designed for dense and accurate sensors such as laser range-finders (LiDARs). However, these sensors are not suitable for resource-limited nano robots, which become increasingly capable and ubiquitous nowadays, and these robots tend to mount economical and low-power sensors that can only provide sparse and noisy measurements. This introduces a challenging problem called SLAM with sparse sensing. This work addresses the problem by adopting the form of the state-of-the-art graph-based SLAM pipeline with a novel frontend and an improvement for loop closing in the backend, both of which are designed to work with sparse and uncertain range data. Experiments show that the maps constructed by our algorithm have superior quality compared to prior works on sparse sensing. Furthermore, our method is capable of running in real-time on a modern PC with an average processing time of 1/100th the input interval time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google