要約
アクティブ ビジュアル SLAM は、GNSS が拒否された地下環境や地上ロボットの屋外環境で幅広い用途に使用できます。
確実な位置特定とマッピングの精度を達成するには、探査ミッション中の目標の選択と目標に向かう経路計画に知覚に関する考慮事項を組み込むことが不可欠です。
この研究を通じて、我々は、3D 環境を探索するための無人地上車両 (UGV) に合わせた新しい探査手法である FIT-SLAM (Fisher Information and Traversabilityestimate-based Active SLAM) を提案します。
このアプローチは、SLAM 精度を最適化しながら効率的な探査速度を維持するという 2 つの目的を持って考案されました。
最初に、全地球的な通過可能性マップの推定が実行され、これにより、通過可能性に関する環境上の制約が考慮されます。
続いて、堅牢な位置特定と成功したパス実行を達成するために、SLAM バックエンドによって使用されるランドマークによって提供される情報を考慮に入れる、この目標に向けたパス計画方法とともに、ゴール候補選択アプローチを提案します。
アルゴリズム全体は、最初にシミュレートされた 3D 世界でテストおよび評価され、続いて現実世界の環境でテストおよび評価され、既存の探索方法と比較されます。
この評価中に得られた結果は、局在化の共分散を効果的に最小限に抑えながら、探査速度の大幅な向上を示しています。
要約(オリジナル)
Active visual SLAM finds a wide array of applications in GNSS-Denied sub-terrain environments and outdoor environments for ground robots. To achieve robust localization and mapping accuracy, it is imperative to incorporate the perception considerations in the goal selection and path planning towards the goal during an exploration mission. Through this work, we propose FIT-SLAM (Fisher Information and Traversability estimation-based Active SLAM), a new exploration method tailored for unmanned ground vehicles (UGVs) to explore 3D environments. This approach is devised with the dual objectives of sustaining an efficient exploration rate while optimizing SLAM accuracy. Initially, an estimation of a global traversability map is conducted, which accounts for the environmental constraints pertaining to traversability. Subsequently, we propose a goal candidate selection approach along with a path planning method towards this goal that takes into account the information provided by the landmarks used by the SLAM backend to achieve robust localization and successful path execution . The entire algorithm is tested and evaluated first in a simulated 3D world, followed by a real-world environment and is compared to pre-existing exploration methods. The results obtained during this evaluation demonstrate a significant increase in the exploration rate while effectively minimizing the localization covariance.
arxiv情報
著者 | Suchetan Saravanan,Corentin Chauffaut,Caroline Chanel,Damien Vivet |
発行日 | 2024-01-17 16:46:38+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google