Block-Map-Based Localization in Large-Scale Environment

要約

正確な位置特定は、大規模環境におけるロボットの柔軟なナビゲーションに不可欠なテクノロジーです。
SLAM ベースとマップベースのローカリゼーションはどちらも、マップ サイズの増加によりコンピューティング負荷が増加し、ロボットのナビゲーションやサービスなどの下流のタスクに影響を与えます。
この目的のために、我々は、大規模な地図を維持することによって引き起こされる計算負荷を軽減するために、ブロックマップ(BM)に基づく位置特定システムを提案する。
まず、ブロック マップを生成する方法と、それに対応するスイッチング戦略を紹介します。これにより、ロボットがローカル マップ情報をロードすることで大規模環境の状態を推定できるようになります。
第二に、初期姿勢を提供するために、3D マップにおける分岐境界検索 (BBS) に基づくグローバル ローカリゼーションが導入されます。
最後に、ロボットが BM にさらされているか、別の BM に切り替えているかにかかわらず、どの要因が疎外されているかを決定する動的スライディング ウィンドウを使用したグラフベースの最適化手法が採用され、姿勢追跡の精度と効率が維持されます。
比較実験は、公開されている大規模なデータセットに対して実行されます。
結果は、地図縮尺が 6 キロメートルを超えても、提案された方法がロボットの姿勢を追跡できる一方、NCLT と M2DGR では効率的かつ正確な位置特定が依然として保証されていることを示しています。

要約(オリジナル)

Accurate localization is an essential technology for the flexible navigation of robots in large-scale environments. Both SLAM-based and map-based localization will increase the computing load due to the increase in map size, which will affect downstream tasks such as robot navigation and services. To this end, we propose a localization system based on Block Maps (BMs) to reduce the computational load caused by maintaining large-scale maps. Firstly, we introduce a method for generating block maps and the corresponding switching strategies, ensuring that the robot can estimate the state in large-scale environments by loading local map information. Secondly, global localization according to Branch-and-Bound Search (BBS) in the 3D map is introduced to provide the initial pose. Finally, a graph-based optimization method is adopted with a dynamic sliding window that determines what factors are being marginalized whether a robot is exposed to a BM or switching to another one, which maintains the accuracy and efficiency of pose tracking. Comparison experiments are performed on publicly available large-scale datasets. Results show that the proposed method can track the robot pose even though the map scale reaches more than 6 kilometers, while efficient and accurate localization is still guaranteed on NCLT and M2DGR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google