Mobile Robot Localization: a Modular, Odometry-Improving Approach

要約

近年多くの研究成果が出版されているにもかかわらず、車両の位置特定は依然として未解決の困難な問題です。
マップベースのローカリゼーションと SLAM アルゴリズムはますます改良されていますが、一般的なローカリゼーション パイプラインでは依然として単一障害点となっています。
この論文では、センサー測定値と既製の位置推定アルゴリズムの出力を融合するモジュール式位置推定アーキテクチャを提案します。
フュージョン フィルターは、絶対姿勢測定値が完全に失われた場合に、モデルの不確実性を推定してオドメトリを改善します。
このアーキテクチャは、自律的にナビゲーションする実際のロボットで実験的に検証され、位置測定を行わない 2 分間のナビゲーション期間において、不確実性推定なしで走行距離推定値に対して 90% 以上の位置誤差が削減されることが証明されています。

要約(オリジナル)

Despite the number of works published in recent years, vehicle localization remains an open, challenging problem. While map-based localization and SLAM algorithms are getting better and better, they remain a single point of failure in typical localization pipelines. This paper proposes a modular localization architecture that fuses sensor measurements with the outputs of off-the-shelf localization algorithms. The fusion filter estimates model uncertainties to improve odometry in case absolute pose measurements are lost entirely. The architecture is validated experimentally on a real robot navigating autonomously proving a reduction of the position error of more than 90% with respect to the odometrical estimate without uncertainty estimation in a two-minute navigation period without position measurements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google