Loosely coupled 4D-Radar-Inertial Odometry for Ground Robots

要約

自律航行には正確なロボットの走行距離測定が不可欠です。
さまざまなセンサースイートに基づいて多数の技術が開発されていますが、レーダーと IMU のみを使用したオドメトリ推定は依然として未開発の領域です。
レーダーは、カメラや LiDAR などの従来のセンサーが困難な環境、特に低照度の状況や、霧、雨、煙などの環境上の課題に直面した場合に特に価値があることがわかります。
ただし、その堅牢性にもかかわらず、レーダー データはノイズが多く、外れ値が発生しやすいため、特殊な処理アプローチが必要です。
この論文では、レーダーベースのオドメトリにスライディング ウィンドウを使用したグラフベースの最適化アプローチを提案します。このアプローチは、計算コストを固定しながら (特に長い軌道で有益)、接続ネットワークを形成することでポーズ間の堅牢な関係を維持するように設計されています。
さらに、ホロノミックおよび非ホロノミックの両方の地上車両に特化した自我速度推定の強化を導入し、オプティマイザーに必要な直接オドメトリ入力を改善します。
最後に、既存のアルゴリズムに対する当社のアプローチの比較研究を紹介します。これは、当社の純粋なオドメトリ アプローチがどのように NTU4DRadLM データセットのほとんどの軌跡において最先端技術を向上させ、主要なパフォーマンス メトリクスを評価する際に有望な結果を達成するかを示しています。

要約(オリジナル)

Accurate robot odometry is essential for autonomous navigation. While numerous techniques have been developed based on various sensor suites, odometry estimation using only radar and IMU remains an underexplored area. Radar proves particularly valuable in environments where traditional sensors, like cameras or LiDAR, may struggle, especially in low-light conditions or when faced with environmental challenges like fog, rain or smoke. However, despite its robustness, radar data is noisier and more prone to outliers, requiring specialized processing approaches. In this paper, we propose a graph-based optimization approach using a sliding window for radar-based odometry, designed to maintain robust relationships between poses by forming a network of connections, while keeping computational costs fixed (specially beneficial in long trajectories). Additionally, we introduce an enhancement in the ego-velocity estimation specifically for ground vehicles, both holonomic and non-holonomic, which subsequently improves the direct odometry input required by the optimizer. Finally, we present a comparative study of our approach against existing algorithms, showing how our pure odometry approach inproves the state of art in most trajectories of the NTU4DRadLM dataset, achieving promising results when evaluating key performance metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google