Toward Certifying Maps for Safe Registration-based Localization Under Adverse Conditions

要約

この論文では、破損した測定値が存在する場合の反復最近接点 (ICP) アルゴリズムの回復力をモデル化する方法を提案します。
自動運転車の文脈では、位置特定プロセスの安全性を認証することが大きな課題となります。
ロボットが複雑な世界で進化するにつれて、さまざまな種類のノイズが測定に影響を与える可能性があります。
従来、このノイズはゼロ平均ガウス分布に従って分布すると仮定されていました。
ただし、この仮定は、悪天候、動的障害物による遮蔽、マップの長期的な変化など、多くのシナリオには当てはまりません。
このような場合、測定値は代わりに、大規模で決定的な故障の影響を受けます。
この論文では、最も有害な逆測定を受けた場合の ICP アルゴリズムから生じるポーズ エラーを近似する閉じた形式の式を紹介します。
この式を使用して、測定に障害が存在する場合にロボットが位置特定の失敗に対してより脆弱になる環境内の特定の領域を認定し、特定するための指標を開発します。

要約(オリジナル)

In this paper, we propose a way to model the resilience of the Iterative Closest Point (ICP) algorithm in the presence of corrupted measurements. In the context of autonomous vehicles, certifying the safety of the localization process poses a significant challenge. As robots evolve in a complex world, various types of noise can impact the measurements. Conventionally, this noise has been assumed to be distributed according to a zero-mean Gaussian distribution. However, this assumption does not hold in numerous scenarios, including adverse weather conditions, occlusions caused by dynamic obstacles, or long-term changes in the map. In these cases, the measurements are instead affected by large and deterministic faults. This paper introduces a closed-form formula approximating the pose error resulting from an ICP algorithm when subjected to the most detrimental adverse measurements. Using this formula, we develop a metric to certify and pinpoint specific regions within the environment where the robot is more vulnerable to localization failures in the presence of faults in the measurements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google