A robust baro-radar-inertial odometry m-estimator for multicopter navigation in cities and forests

要約

捜索救助活動では、構造化されていない屋内外の環境を移動する移動ロボットが必要です。
特に、アクティブに安定化されたマルチローター ドローンには、バランスをとって障害物を回避するための正確な動作データが必要です。
オンチップレーダーからの動径速度と MEMS 慣性センシングを組み合わせることで、視覚的または幾何学的に劣化した環境であっても、堅牢かつ軽量で一貫した状態推定を提供できることが証明されています。
統計テストにより、レーダーの外れ値に対してこれらの推定量が強化されます。
ただし、バイナリ外れ値フィルターを使用した利用可能な作業は、さまざまなハードウェア設定や環境への適応性に欠けています。
他の作業は主にハンドヘルドの静的環境または自動車のコンテキストでテストされています。
この研究では、典型的な GNSS が拒否されたシナリオでのクアッドコプター飛行のための堅牢な気圧レーダー慣性オドメトリ (BRIO) m 推定器を導入します。
都市や森林における広範な現実世界の閉ループ飛行では、移動物体やゴースト ターゲットに対する堅牢性が実証され、移動距離あたり 0.5 % ～ 3.2 % のドリフトで一貫したパフォーマンスが維持されます。
公開データセットのベンチマークにより、システムの汎用性が検証されます。
コード、データセット、ビデオは https://github.com/ethz-asl/rio で入手できます。

要約(オリジナル)

Search and rescue operations require mobile robots to navigate unstructured indoor and outdoor environments. In particular, actively stabilized multirotor drones need precise movement data to balance and avoid obstacles. Combining radial velocities from on-chip radar with MEMS inertial sensing has proven to provide robust, lightweight, and consistent state estimation, even in visually or geometrically degraded environments. Statistical tests robustify these estimators against radar outliers. However, available work with binary outlier filters lacks adaptability to various hardware setups and environments. Other work has predominantly been tested in handheld static environments or automotive contexts. This work introduces a robust baro-radar-inertial odometry (BRIO) m-estimator for quadcopter flights in typical GNSS-denied scenarios. Extensive real-world closed-loop flights in cities and forests demonstrate robustness to moving objects and ghost targets, maintaining a consistent performance with 0.5 % to 3.2 % drift per distance traveled. Benchmarks on public datasets validate the system’s generalizability. The code, dataset, and video are available at https://github.com/ethz-asl/rio.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google