LF-3PM: a LiDAR-based Framework for Perception-aware Planning with Perturbation-induced Metric

要約

人間が特徴のない砂漠や濃い霧の中で方向感覚を失ってしまう可能性があるのと同様に、すべての環境が自律型ロボットの位置特定精度と安定性 (LAS) に適しているわけではありません。
このペーパーでは、知覚認識プランニングとして知られる、戦略的軌道生成を通じて LiDAR ベースの LAS を強化するように設計された効率的なフレームワークを紹介します。
ビジョンベースのフレームワークとは異なり、LiDAR ベースのフレームワークでは、センサーの固有の属性により異なる考慮事項が必要になります。
私たちのアプローチは 2 つの主要な側面に焦点を当てています。1 つは、LiDAR 観測が LAS に及ぼす影響を評価することです。
LiDAR 観測の包括的かつ信頼性の高い評価を提供するために、摂動誘発メトリックを導入します。
2つ目は、動作計画の効率化を目指します。
仲介物として静的観測損失マップ (SOLM) を作成することで、時間のかかる評価フェーズと動作計画フェーズを論理的に分離し、計画プロセスを大幅に効率化します。
実験セクションでは、さまざまなシーンにわたる提案されたメトリクスの有効性と、さまざまなメトリクスによって導かれる軌道の特徴を実証します。
最終的に、私たちのフレームワークは現実世界のシナリオでテストされ、ロボットが位置特定に望ましいトポロジーと向きを積極的に選択できるようになります。
ソース コードは https://github.com/ZJU-FAST-Lab/LF-3PM からアクセスできます。

要約(オリジナル)

Just as humans can become disoriented in featureless deserts or thick fogs, not all environments are conducive to the Localization Accuracy and Stability (LAS) of autonomous robots. This paper introduces an efficient framework designed to enhance LiDAR-based LAS through strategic trajectory generation, known as Perception-aware Planning. Unlike vision-based frameworks, the LiDAR-based requires different considerations due to unique sensor attributes. Our approach focuses on two main aspects: firstly, assessing the impact of LiDAR observations on LAS. We introduce a perturbation-induced metric to provide a comprehensive and reliable evaluation of LiDAR observations. Secondly, we aim to improve motion planning efficiency. By creating a Static Observation Loss Map (SOLM) as an intermediary, we logically separate the time-intensive evaluation and motion planning phases, significantly boosting the planning process. In the experimental section, we demonstrate the effectiveness of the proposed metrics across various scenes and the feature of trajectories guided by different metrics. Ultimately, our framework is tested in a real-world scenario, enabling the robot to actively choose topologies and orientations preferable for localization. The source code is accessible at https://github.com/ZJU-FAST-Lab/LF-3PM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google