SoMaSLAM: 2D Graph SLAM for Sparse Range Sensing with Soft Manhattan World Constraints

要約

ランドマーク間の制約を利用してソフトマンハッタンの世界を組み込んだ、まばらな距離センシングのためのグラフSLAMアルゴリズムを提案します。
重くて高価なセンサーを使用する余裕がない小型ロボットには、まばらな距離センシングが必要です。
まばらな距離のセンシングを扱う既存の SLAM 手法は精度が低く、データ ポイントへのアクセスが制限されているため、時間の経過とともにドリフト誤差が蓄積します。
マンハッタン ワールド (MW) など、構造的規則性を使用してこの欠陥をカバーするアルゴリズムには、ルールと一致しない現実世界の環境をマッピングする場合に欠点があります。
私たちは、まばらな距離センシングを備えた小型ロボット用に設計された 2D グラフ SLAM である SoMaSLAM を提案します。
私たちのアプローチは、厳密な構造的規則性を強制することなく、まばらな範囲のデータを効果的にマッピングし、適応グラフを維持します。
MW の仮定をソフト制約として実装します。これをソフト マンハッタン ワールドと呼びます。
ソフトMWをグラフSLAMに組み込むための新しいソフトランドマーク-ランドマーク制約を提案します。
広範な評価を通じて、私たちが提案する SoMaSLAM 手法がさまざまなデータセットでの位置特定精度を向上させ、現実世界で使用するのに十分な柔軟性を備えていることを実証します。
ソース コードと疎範囲データセットを https://SoMaSLAM.github.io/ でリリースします。

要約(オリジナル)

We propose a graph SLAM algorithm for sparse range sensing that incorporates a soft Manhattan world utilizing landmark-landmark constraints. Sparse range sensing is necessary for tiny robots that do not have the luxury of using heavy and expensive sensors. Existing SLAM methods dealing with sparse range sensing lack accuracy and accumulate drift error over time due to limited access to data points. Algorithms that cover this flaw using structural regularities, such as the Manhattan world (MW), have shortcomings when mapping real-world environments that do not coincide with the rules. We propose SoMaSLAM, a 2D graph SLAM designed for tiny robots with sparse range sensing. Our approach effectively maps sparse range data without enforcing strict structural regularities and maintains an adaptive graph. We implement the MW assumption as soft constraints, which we refer to as a soft Manhattan world. We propose novel soft landmark-landmark constraints to incorporate the soft MW into graph SLAM. Through extensive evaluation, we demonstrate that our proposed SoMaSLAM method improves localization accuracy on diverse datasets and is flexible enough to be used in the real world. We release our source code and sparse range datasets at https://SoMaSLAM.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google