Radar-Based Localization For Autonomous Ground Vehicles In Suburban Neighborhoods

要約

郊外地域やその他の人間中心の環境に配備された自律型地上車両 (AGV) にとって、位置特定の問題は依然として根本的な課題です。
GPS、LIDAR、カメラを使用して位置を特定するための十分に確立された方法があります。
しかし、理想的な条件であっても限界があります。
GPS は常に利用できるわけではなく、単独では十分な精度が得られないことが多く、視覚的な方法では天候やその他の要因による外観の変化に対処するのが難しく、ライダーによる方法ではシーンの形状があいまいなために欠陥のあるソリューションが発生する傾向があります。
一方、レーダーは射程距離が長いため、これらの問題の影響をあまり受けません。
さらに、レーダーは、霧、煙、雨、暗闇など、視覚やライダーを妨げる困難な条件に対しても堅牢です。
我々は、スムーズで高周波の相対姿勢推定のための高精度レーダーオドメトリの新しい方法と、レーダーベースの場所認識と再位置推定のための新しい方法を含む、レーダーベースの位置特定システムを紹介します。
私たちは、私たちの方法の精度と信頼性を実証する実験を紹介します。これは、\new{レーダー位置特定に関して他の方法が公表した結果と同等であり、ライダー測定に適用した私たちの方法と同様の方法よりも優れていることがわかります}。
さらに、私たちの手法は、他の自律機能のための十分な余裕を備えた一般的な低電力組み込みハードウェア上で実行できるほど軽量であることを示します。

要約(オリジナル)

For autonomous ground vehicles (AGVs) deployed in suburban neighborhoods and other human-centric environments the problem of localization remains a fundamental challenge. There are well established methods for localization with GPS, lidar, and cameras. But even in ideal conditions these have limitations. GPS is not always available and is often not accurate enough on its own, visual methods have difficulty coping with appearance changes due to weather and other factors, and lidar methods are prone to defective solutions due to ambiguous scene geometry. Radar on the other hand is not highly susceptible to these problems, owing in part to its longer range. Further, radar is also robust to challenging conditions that interfere with vision and lidar including fog, smoke, rain, and darkness. We present a radar-based localization system that includes a novel method for highly-accurate radar odometry for smooth, high-frequency relative pose estimation and a novel method for radar-based place recognition and relocalization. We present experiments demonstrating our methods’ accuracy and reliability, which are comparable with \new{other methods’ published results for radar localization and we find outperform a similar method as ours applied to lidar measurements}. Further, we show our methods are lightweight enough to run on common low-power embedded hardware with ample headroom for other autonomy functions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google