MuNES: Multifloor Navigation Including Elevators and Stairs

要約

我々は、単一のマッピングとエレベーターと階段を含む軌道計画のための MuNES と呼ばれるスキームを提案します。
最適化された複数階の軌道は、ロボットの最適な階間移動にとって重要です。
しかし、既存の手法では適切な屋内多階マップがないため、階間移動の選択肢が 2 つ以上ある場合、最適な軌道を選択することが困難です。
この問題を解決するために、MuNES は気圧データに基づいて高度変化を推定し、エレベーターや階段を含む単一の複数階のマップを作成します。
さらに、提案された方法は、フロアベースのループ検出を実行して、より高速かつ正確なループ閉鎖を実現します。
次に、単一のマルチフロア マップがボクセル化され、軌道計画に必要な部分のみが残されます。
最適かつ現実的なマルチフロア軌道は、現実的な要素に影響を与える、提案されたコスト関数に基づく A* アルゴリズムを使用してボクセルを探索することによって生成されます。
私たちはキャンパス周辺から取得したデータを使用してこのアルゴリズムをテストし、単一の正確なマルチフロア マップを作成できることに注目しました。
さらに、始点、終点、エレベータの待ち時間などの要素に応じて、エレベータと階段の間の階間の移動手段を選択することで、最適かつ現実的な複数階の軌道を見つけることができます。
この作業で使用されるコードとデータは、https://github.com/donghwijung/MuNES で入手できます。

要約(オリジナル)

We propose a scheme called MuNES for single mapping and trajectory planning including elevators and stairs. Optimized multifloor trajectories are important for optimal interfloor movements of robots. However, given two or more options of moving between floors, it is difficult to select the best trajectory because there are no suitable indoor multifloor maps in the existing methods. To solve this problem, MuNES creates a single multifloor map including elevators and stairs by estimating altitude changes based on pressure data. In addition, the proposed method performs floor-based loop detection for faster and more accurate loop closure. The single multifloor map is then voxelized leaving only the parts needed for trajectory planning. An optimal and realistic multifloor trajectory is generated by exploring the voxels using an A* algorithm based on the proposed cost function, which affects realistic factors. We tested this algorithm using data acquired from around a campus and note that a single accurate multifloor map could be created. Furthermore, optimal and realistic multifloor trajectory could be found by selecting the means of motion between floors between elevators and stairs according to factors such as the starting point, ending point, and elevator waiting time. The code and data used in this work are available at https://github.com/donghwijung/MuNES.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google