Globally Optimal GNSS Multi-Antenna Lever Arm Calibration

要約

センサーのキャリブレーションは自動運転にとって極めて重要であり、正確な位置特定と一貫したデータ融合の基礎を提供します。
高精度 GNSS センサーの使用を可能にするこの作業は、アンテナ レバー アームの校正に焦点を当てています。
当社は、動作測定に基づいて世界的に最適なマルチアンテナ レバー アームの校正アプローチを提案します。
このために、事前知識の統合をさらに可能にする最適化方法を導き出します。
大域的に最適な解は、ラグランジュ双対問題と原始回復戦略を活用することによって得られます。
一般に、自動運転車の動作ベースのキャリブレーションは、車の主に平面運動であるため、難しいことが知られています。
したがって、最初に独自のソリューションの動作要件を説明し、次にこの問題を克服し、自動運転車の制限された動作に基づいたキャリブレーションを可能にする平面動作の拡張を提案します。
最後に、徹底的な評価の結果を提示し、議論します。
シミュレートされ拡張された現実世界のデータを使用することで、正確なキャリブレーション結果と高速な実行時間を実現し、オンライン展開が可能になります。

要約(オリジナル)

Sensor calibration is crucial for autonomous driving, providing the basis for accurate localization and consistent data fusion. Enabling the use of high-accuracy GNSS sensors, this work focuses on the antenna lever arm calibration. We propose a globally optimal multi-antenna lever arm calibration approach based on motion measurements. For this, we derive an optimization method that further allows the integration of a-priori knowledge. Globally optimal solutions are obtained by leveraging the Lagrangian dual problem and a primal recovery strategy. Generally, motion-based calibration for autonomous vehicles is known to be difficult due to cars’ predominantly planar motion. Therefore, we first describe the motion requirements for a unique solution and then propose a planar motion extension to overcome this issue and enable a calibration based on the restricted motion of autonomous vehicles. Last we present and discuss the results of our thorough evaluation. Using simulated and augmented real-world data, we achieve accurate calibration results and fast run times that allow online deployment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google