Incorporating Point Uncertainty in Radar SLAM

要約

レーダー SLAM は、霧、塵、煙などの困難な状況でも堅牢ですが、スペックル ノイズやマルチパス効果など、レーダー センシングの希薄性とノイズの影響を受けます。
この研究は、点不確実性を組み込むことによって性能が強化されたレーダー SLAM システムを提供します。
基本システムは、速度支援レーダー ポイントと高周波慣性測定を利用するレーダー慣性オドメトリ システムです。
まず、レーダー センシングの性質を考慮して、極座標におけるレーダー ポイントの不確実性をモデル化することを提案します。
次に、提案された不確実性モデルがデータ関連付けモジュールに統合され、バックエンドの状態推定に組み込まれます。
公開データセットと自己収集データセットの両方に対する実際の実験により、提案されたモデルとアプローチの有効性が検証されます。
この調査結果は、レーダー SLAM システムを改善するために点の不確実性を組み込む可能性を強調しています。
コードと収集したデータセットは https://github.com/HKUST-Aerial-Robotics/RIO で公開しています。

要約(オリジナル)

Radar SLAM is robust in challenging conditions, such as fog, dust, and smoke, but suffers from the sparsity and noisiness of radar sensing, including speckle noise and multipath effects. This study provides a performance-enhanced radar SLAM system by incorporating point uncertainty. The basic system is a radar-inertial odometry system that leverages velocity-aided radar points and high-frequency inertial measurements. We first propose to model the uncertainty of radar points in polar coordinates by considering the nature of radar sensing. Then, the proposed uncertainty model is integrated into the data association module and incorporated for back-end state estimation. Real-world experiments on both public and self-collected datasets validate the effectiveness of the proposed models and approaches. The findings highlight the potential of incorporating point uncertainty to improve the radar SLAM system. We make the code and collected dataset publicly available at https://github.com/HKUST-Aerial-Robotics/RIO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google