Online 6DoF Pose Estimation in Forests using Cross-View Factor Graph Optimisation and Deep Learned Re-localisation

要約

この論文では、クロスビューファクターグラフ最適化と深層学習による再位置推定を活用して、森林環境における地上ロボットのロバストなグローバル位置推定と 6DoF 姿勢推定を行うための新しいアプローチを紹介します。
提案された方法は、姿勢推定のために航空データと地上データを調整するという課題に対処します。これは、GPS が拒否された環境での正確なポイントツーポイント ナビゲーションにとって重要です。
両方の視点からの情報をファクター グラフ フレームワークに統合することにより、私たちのアプローチはロボットのグローバルな位置と方向を効果的に推定します。
私たちは、さまざまな森林シナリオにおける広範な実験を通じてメソッドのパフォーマンスを検証し、これらの困難な環境における精度と堅牢性の点で既存のベースラインよりも優れていることを実証しています。
実験結果は、私たちが提案した位置特定システムが、位置決め誤差を制限してドリフトのない位置特定を達成し、天蓋の下での信頼性が高く安全なロボットのナビゲーションを保証できることを示しています。

要約(オリジナル)

This paper presents a novel approach for robust global localisation and 6DoF pose estimation of ground robots in forest environments by leveraging cross-view factor graph optimisation and deep-learned re-localisation. The proposed method addresses the challenges of aligning aerial and ground data for pose estimation, which is crucial for accurate point-to-point navigation in GPS-denied environments. By integrating information from both perspectives into a factor graph framework, our approach effectively estimates the robot’s global position and orientation. We validate the performance of our method through extensive experiments in diverse forest scenarios, demonstrating its superiority over existing baselines in terms of accuracy and robustness in these challenging environments. Experimental results show that our proposed localisation system can achieve drift-free localisation with bounded positioning errors, ensuring reliable and safe robot navigation under canopies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google