Degradation Resilient LiDAR-Radar-Inertial Odometry

要約

自律性が高まる将来には、自律ロボットが困難な環境でも堅牢に動作できるようにすることが必要です。
多くの自律システムにとって、推定とオドメトリは依然として単一障害点であり、そこから回復することが不可能ではないにしても困難な場合があります。
そのため、堅牢なオドメトリ ソリューションが非常に重要です。
この研究では、オドメトリ用の密結合された LiDAR-レーダー-慣性融合の方法が提案されており、良好な条件の環境で LiDAR の精度を維持しながら、相補的な知覚モダリティを活用することで、LiDAR の縮退の影響を軽減することができます。
提案されたアプローチは、ファクター グラフ ベースのウィンドウ スムーザーのモダリティと、縮退の場合に部分情報を非縮退軸に沿ってグラフに伝えることを可能にするセンサー情報固有の因子定式化を組み合わせます。
提案された方法は、幾何学的自己相似性や不明瞭なオクルージョンなどの劣化状況を経験している飛行ロボットの実世界テストで評価されます。
コミュニティの利益のために、私たちは提示されたデータセットをリリースします: https://github.com/ntnu-arl/lidar_degeneracy_datasets。

要約(オリジナル)

Enabling autonomous robots to operate robustly in challenging environments is necessary in a future with increased autonomy. For many autonomous systems, estimation and odometry remains a single point of failure, from which it can often be difficult, if not impossible, to recover. As such robust odometry solutions are of key importance. In this work a method for tightly-coupled LiDAR-Radar-Inertial fusion for odometry is proposed, enabling the mitigation of the effects of LiDAR degeneracy by leveraging a complementary perception modality while preserving the accuracy of LiDAR in well-conditioned environments. The proposed approach combines modalities in a factor graph-based windowed smoother with sensor information-specific factor formulations which enable, in the case of degeneracy, partial information to be conveyed to the graph along the non-degenerate axes. The proposed method is evaluated in real-world tests on a flying robot experiencing degraded conditions including geometric self-similarity as well as obscurant occlusion. For the benefit of the community we release the datasets presented: https://github.com/ntnu-arl/lidar_degeneracy_datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google