要約
このレターでは、LIDAR 慣性融合に基づくマルチシナリオに適応可能なインテリジェント ロボット シミュレーション プラットフォームを紹介します。その主な特徴は次の 3 つです。 (1 このプラットフォームには、手動制御または自律追跡によって自由に制御できる多用途ロボット モデルが含まれています。このモデルには、
さまざまな種類の LIDAR と慣性測定ユニット (IMU) を統合し、絶対的な精度でグラウンド トゥルース情報を提供します (2 このプラットフォームは、さまざまな特性情報を備えたシミュレーション環境のコレクションを提供し、開発者がニーズに応じて環境をカスタマイズおよび変更できるようにサポートします。
プラットフォームは、SLAM フレームワークの位置特定パフォーマンスの評価をサポートします。絶対精度のグラウンド トゥルースにより、実際の実験に存在する全地球測位センサーに固有の誤差が排除され、シミュレーション プラットフォームを利用することで、開発者は現実の限界を克服できます。
環境とデータセットを統合し、さまざまな環境で主流の SLAM アルゴリズムの詳細な分析と評価を可能にします。
さまざまな環境でさまざまな LIDAR を使用して実施された実験により、当社のシミュレーション プラットフォームの幅広い適用性と実用性が実証されました。
シミュレーション プラットフォームの実装は Github でオープンソース化されています。
要約(オリジナル)
This letter presents a multi-scenario adaptable intelligent robot simulation platform based on LIDAR-inertial fusion, with three main features: (1 The platform includes an versatile robot model that can be freely controlled through manual control or autonomous tracking. This model is equipped with various types of LIDAR and Inertial Measurement Unit (IMU), providing ground truth information with absolute accuracy. (2 The platform provides a collection of simulation environments with diverse characteristic information and supports developers in customizing and modifying environments according to their needs. (3 The platform supports evaluation of localization performance for SLAM frameworks. Ground truth with absolute accuracy eliminates the inherent errors of global positioning sensors present in real experiments, facilitating detailed analysis and evaluation of the algorithms. By utilizing the simulation platform, developers can overcome the limitations of real environments and datasets, enabling fine-grained analysis and evaluation of mainstream SLAM algorithms in various environments. Experiments conducted in different environments and with different LIDARs demonstrate the wide applicability and practicality of our simulation platform. The implementation of the simulation platform is open-sourced on Github.
arxiv情報
| 著者 | Qiyan Li,Chang Wu,Yifei Yuan,Yuan You |
| 発行日 | 2024-07-19 08:14:25+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google