Occupancy-SLAM: Simultaneously Optimizing Robot Poses and Continuous Occupancy Map

要約

この論文では、2D レーザー スキャン (およびオドメトリ) 情報を使用してロボットの軌道と占有マップを同時に最適化する、最適化ベースの SLAM アプローチを提案します。
主な新しさは、ロボットのポーズと占有マップが一緒に最適化されることです。これは、マップを推定する前にロボットのポーズを最初に取得する必要がある既存の占有マッピング戦略とは大きく異なります。
私たちの定式化では、マップは、環境内の各 2D ポイントが対応する証拠値を持つ連続占有マップとして表されます。
占有-SLAM 問題は、変数にすべてのロボットの姿勢と、選択された離散グリッド セル ノードでの占有値が含まれる最適化問題として定式化されます。
我々は、この新しく定式化された問題を解決するためのガウス・ニュートン法のバリエーションを提案し、最適化された占有マップとロボットの軌道をそれらの不確実性とともに取得します。
私たちのアルゴリズムはバッチ最適化に基づいており、関与する変数の数が多いため、オフライン アプローチです。
シミュレーションと公的に利用可能な実用的な 2D レーザー データセットを使用した評価は、比較的正確な初期推定がアルゴリズムに提供された場合、提案されたアプローチが最先端の手法よりも正確にマップとロボットの軌道を推定できることを示しています。
このビデオでは、提案されている Occupancy-SLAM の収束プロセスが示されており、Cartographer との結果の比較は \url{https://youtu.be/4oLyVEUC4iY} でご覧いただけます。

要約(オリジナル)

In this paper, we propose an optimization based SLAM approach to simultaneously optimize the robot trajectory and the occupancy map using 2D laser scans (and odometry) information. The key novelty is that the robot poses and the occupancy map are optimized together, which is significantly different from existing occupancy mapping strategies where the robot poses need to be obtained first before the map can be estimated. In our formulation, the map is represented as a continuous occupancy map where each 2D point in the environment has a corresponding evidence value. The Occupancy-SLAM problem is formulated as an optimization problem where the variables include all the robot poses and the occupancy values at the selected discrete grid cell nodes. We propose a variation of Gauss-Newton method to solve this new formulated problem, obtaining the optimized occupancy map and robot trajectory together with their uncertainties. Our algorithm is an offline approach since it is based on batch optimization and the number of variables involved is large. Evaluations using simulations and publicly available practical 2D laser datasets demonstrate that the proposed approach can estimate the maps and robot trajectories more accurately than the state-of-the-art techniques, when a relatively accurate initial guess is provided to our algorithm. The video shows the convergence process of the proposed Occupancy-SLAM and comparison of results to Cartographer can be found at \url{https://youtu.be/4oLyVEUC4iY}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google