OpenStreetMap-based Autonomous Navigation With LiDAR Naive-Valley-Path Obstacle Avoidance

要約

OpenStreetMaps (OSM) は、自律ナビゲーションのための環境表現として現在研究されています。
これには、グローバルな一貫性、軽量な地図作成プロセス、公開されているさまざまな道路情報などの利点があります。
ただし、この情報の位置は通常、ローカルではあまり正確ではありません。
この論文では、地球規模計画のための環境表現として OSM 情報を使用した完全な自律ナビゲーション パイプラインを紹介します。
ローカルの低精度という欠陥を回避するために、「谷」エリアの概念を利用して障害物から常に最も遠いローカル パスを推測する、新しい LiDAR ベースの Naive-Valley-Path (NVP) メソッドを提供します。
この動作により、OSM エラーとは無関係に、道路の形状に従って常に通行可能なエリアの中心を通過するナビゲーションが可能になります。
さらに、NVP はサンプル時間効率が高い単純な手法です。
この時間効率により、動的オブジェクトであっても障害物を回避できるようになります。
私たちは、アリカンテ大学サイエンティフィックパーク内を 20 km 以上自律走行し、道路の中心に対して平均誤差 0.24 メートル、平均サンプル時間 19.8 ミリ秒でシステムの堅牢性を実証しました。
私たちの車両は、道路上の静的な障害物だけでなく、車両や歩行者などの動的な障害物も回避します。

要約(オリジナル)

OpenStreetMaps (OSM) is currently studied as the environment representation for autonomous navigation. It provides advantages such as global consistency, a heavy-less map construction process, and a wide variety of road information publicly available. However, the location of this information is usually not very accurate locally. In this paper, we present a complete autonomous navigation pipeline using OSM information as environment representation for global planning. To avoid the flaw of local low-accuracy, we offer the novel LiDAR-based Naive-Valley-Path (NVP) method that exploits the concept of ‘valley’ areas to infer the local path always furthest from obstacles. This behavior allows navigation always through the center of trafficable areas following the road’s shape independently of OSM error. Furthermore, NVP is a naive method that is highly sample-time-efficient. This time efficiency also enables obstacle avoidance, even for dynamic objects. We demonstrate the system’s robustness in our research platform BLUE, driving autonomously across the University of Alicante Scientific Park for more than 20 km with 0.24 meters of average error against the road’s center with a 19.8 ms of average sample time. Our vehicle avoids static obstacles in the road and even dynamic ones, such as vehicles and pedestrians.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google