Enhanced Unscented Kalman Filter-Based SLAM in Dynamic Environments: Euclidean Approach

要約

このペーパーでは、動的環境で無香料カルマン フィルター (UKF) を使用した同時位置特定とマッピング (SLAM) への革新的なアプローチを紹介します。
UKF は堅牢な推定量であることが証明されており、代替の SLAM アルゴリズムと比較してセンサー データ エラーに対する感度が低いことが実証されています。
ただし、従来のアルゴリズムは主に静止したランドマークを対象としており、動的環境での位置特定を妨げる可能性があります。
この論文では、移動ランドマークの処理、ロボットと各移動ランドマーク間の距離の計算と推定、およびセンサー測定の競合への対処のためのユークリッドベースの方法を提案します。
このアプローチは、MATLAB でのシミュレーションと、結果を従来の UKF-SLAM アルゴリズムと比較することによって評価されます。
また、動的環境におけるフィルターベースのアルゴリズムのデータセットも紹介します。これは、将来のアルゴリズムを評価するためのベンチマークとして使用できます。
提案されたアルゴリズムの結果は、移動ランドマークと静止ランドマークの数、ウェイポイント、計算効率などのパラメーターを含む徹底的な検査によって証明されるように、このシンプルかつ効果的なアプローチが移動ランドマークの破壊的な影響を軽減することを強調しています。
また、現実世界のマッピング タスクの現実的なシミュレーションでアルゴリズムを評価しました。
このアプローチにより、実際の条件でメソッドを評価し、将来の機能強化のための洞察を得ることができました。
私たちのアルゴリズムは、評価において競合するすべての手法のパフォーマンスを上回り、現実世界のマッピング シナリオで優れた能力を発揮することを示しました。

要約(オリジナル)

This paper introduces an innovative approach to Simultaneous Localization and Mapping (SLAM) using the Unscented Kalman Filter (UKF) in a dynamic environment. The UKF is proven to be a robust estimator and demonstrates lower sensitivity to sensor data errors compared to alternative SLAM algorithms. However, conventional algorithms are primarily concerned with stationary landmarks, which might prevent localization in dynamic environments. This paper proposes an Euclidean-based method for handling moving landmarks, calculating and estimating distances between the robot and each moving landmark, and addressing sensor measurement conflicts. The approach is evaluated through simulations in MATLAB and comparing results with the conventional UKF-SLAM algorithm. We also introduce a dataset for filter-based algorithms in dynamic environments, which can be used as a benchmark for evaluating of future algorithms. The outcomes of the proposed algorithm underscore that this simple yet effective approach mitigates the disruptive impact of moving landmarks, as evidenced by a thorough examination involving parameters such as the number of moving and stationary landmarks, waypoints, and computational efficiency. We also evaluated our algorithms in a realistic simulation of a real-world mapping task. This approach allowed us to assess our methods in practical conditions and gain insights for future enhancements. Our algorithm surpassed the performance of all competing methods in the evaluation, showcasing its ability to excel in real-world mapping scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google