ULOC: Learning to Localize in Complex Large-Scale Environments with Ultra-Wideband Ranges

要約

UWB ベースの方法は小規模エリアでは高い位置特定精度を達成できますが、大規模環境ではその精度と信頼性が大幅に課題になります。
この論文では、このような複雑な大規模環境における超広帯域 (UWB) ベースの位置特定のために、ULOC と呼ばれる学習ベースのフレームワークを提案します。
まず、アンカーは実際の位置を知ることなく環境に展開されます。
次に、車両が環境内を走行するときに UWB 観測値が収集されます。
同時に、（オンボード自己位置推定）データを以前のマップに登録してトレーニング ラベルを提供することで、マップと一貫性のある姿勢推定が作成されます。
次に、複雑な大規模環境にわたる UWB の測距パターンを学習する MAMBA に基づくネットワークを提案します。
この実験は、当社のソリューションが最先端のソリューションと比較して大規模な位置特定精度を保証できることを示しています。
コミュニティに利益をもたらすためにソース コードを https://github.com/brytsknguyen/uloc でリリースします。

要約(オリジナル)

While UWB-based methods can achieve high localization accuracy in small-scale areas, their accuracy and reliability are significantly challenged in large-scale environments. In this paper, we propose a learning-based framework named ULOC for Ultra-Wideband (UWB) based localization in such complex large-scale environments. First, anchors are deployed in the environment without knowledge of their actual position. Then, UWB observations are collected when the vehicle travels in the environment. At the same time, map-consistent pose estimates are developed from registering (onboard self-localization) data with the prior map to provide the training labels. We then propose a network based on MAMBA that learns the ranging patterns of UWBs over a complex large-scale environment. The experiment demonstrates that our solution can ensure high localization accuracy on a large scale compared to the state-of-the-art. We release our source code to benefit the community at https://github.com/brytsknguyen/uloc.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google