CREVE: An Acceleration-based Constraint Approach for Robust Radar Ego-Velocity Estimation

要約

ミリ波周波数変調連続波 (mmWave FMCW) レーダーの点群測定からの自我速度推定は、レーダー慣性オドメトリー (RIO) システムの重要なコンポーネントになっています。
従来のアプローチでは、点群の外れ値の数が内値の数を超えると、パフォーマンスが低下することがよくあります。
この論文では、慣性測定ユニット (IMU) からの追加測定を利用してロバストな自我速度推定を実現する、加速度ベースの不等式制約フィルターである CREVE を提案します。
センサーエラーに対する精度とロバスト性をさらに強化するために、実用的な加速度センサーのバイアス推定方法とパラメーター適応ルールを導入します。
提案された手法の有効性は、5 つのオープンソースのドローン データセットを使用して評価されます。
実験結果は、私たちのアルゴリズムが既存の 3 つの最先端の方法を大幅に上回っており、それらと比較して絶対軌道誤差の約 53%、84%、および 35% の削減を達成していることを示しています。

要約(オリジナル)

Ego-velocity estimation from point cloud measurements of a millimeter-wave frequency-modulated continuous wave (mmWave FMCW) radar has become a crucial component of radar-inertial odometry (RIO) systems. Conventional approaches often perform poorly when the number of point cloud outliers exceeds that of inliers. In this paper, we propose CREVE, an acceleration-based inequality constraints filter that leverages additional measurements from an inertial measurement unit (IMU) to achieve robust ego-velocity estimations. To further enhance accuracy and robustness against sensor errors, we introduce a practical accelerometer bias estimation method and a parameter adaptation rule. The effectiveness of the proposed method is evaluated using five open-source drone datasets. Experimental results demonstrate that our algorithm significantly outperforms three existing state-of-the-art methods, achieving reductions in absolute trajectory error of approximately 53%, 84%, and 35% compared to them.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google