2DLIW-SLAM:2D LiDAR-Inertial-Wheel Odometry with Real-Time Loop Closure

要約

予算の制約により、屋内ナビゲーションでは通常、3D LiDAR ではなく 2D LiDAR が使用されます。
ただし、Simultaneous Localization And Mapping (SLAM) で 2D LiDAR を利用すると、特に幾何学的に類似した環境において、動きの縮退に関連する課題に頻繁に遭遇します。
この問題に対処するために、この論文では、屋内移動ロボット向けに特別に設計された、堅牢で正確なマルチセンサー融合 2D LiDAR SLAM システムを提案します。
まず、元の LiDAR データは、点と線の抽出を通じて細心の注意を払って処理されます。
屋内環境の特有の特性を活用して、他のセンサー データを効果的に補完するために回線間の制約が確立され、それによってシステム全体の堅牢性と精度が強化されます。
同時に、密結合されたフロントエンドが作成され、2D LiDAR、IMU、およびホイール オドメトリからのデータが統合され、リアルタイムの状態推定が可能になります。
この強固な基盤に基づいて、新しいグローバル特徴点マッチングベースのループ閉塞検出アルゴリズムが提案されています。
このアルゴリズムは、フロントエンドで蓄積されたエラーを軽減するのに非常に効果的であることが証明されており、最終的にはグローバルに一貫したマップが構築されます。
実験結果は、私たちのシステムがリアルタイム要件を完全に満たしていることを示しています。
Cartographer と比較すると、私たちのシステムは軌道誤差が低いだけでなく、特に縮退問題においてより強力なロバスト性も示しています。

要約(オリジナル)

Due to budgetary constraints, indoor navigation typically employs 2D LiDAR rather than 3D LiDAR. However, the utilization of 2D LiDAR in Simultaneous Localization And Mapping (SLAM) frequently encounters challenges related to motion degeneracy, particularly in geometrically similar environments. To address this problem, this paper proposes a robust, accurate, and multi-sensor-fused 2D LiDAR SLAM system specifically designed for indoor mobile robots. To commence, the original LiDAR data undergoes meticulous processing through point and line extraction. Leveraging the distinctive characteristics of indoor environments, line-line constraints are established to complement other sensor data effectively, thereby augmenting the overall robustness and precision of the system. Concurrently, a tightly-coupled front-end is created, integrating data from the 2D LiDAR, IMU, and wheel odometry, thus enabling real-time state estimation. Building upon this solid foundation, a novel global feature point matching-based loop closure detection algorithm is proposed. This algorithm proves highly effective in mitigating front-end accumulated errors and ultimately constructs a globally consistent map. The experimental results indicate that our system fully meets real-time requirements. When compared to Cartographer, our system not only exhibits lower trajectory errors but also demonstrates stronger robustness, particularly in degeneracy problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google