Leg Exoskeleton Odometry using a Limited FOV Depth Sensor

要約

脚の外骨格が実際の環境で効果的に動作するためには、周囲の地形を知覚し、理解できる必要があります。
ただし、他の脚のロボットとは異なり、外骨格は、人間のユーザーの存在により、深度センサーをマウントできる場所に対する特定の制約に直面しています。
これらの制約は、限られた視野（FOV）とセンサーの動きの大きさにつながり、臭気測定が特に困難になります。
これに対処するために、これらの制限にもかかわらず、外骨格からの固有受容データを深さカメラからポイントクラウドとポイントクラウドを統合して正確な標高マップを生成する新しい匂い測定アルゴリズムを提案します。
私たちの方法は、拡張されたKalmanフィルター（EKF）に基づいて運動学と慣性測定を融合し、カスタマイズされた反復ポイント（ICP）アルゴリズムを組み込んで、標高マップに新しいポイントクラウドを登録します。
脚の外骨格による実験的検証は、私たちのアプローチがドリフトを減らし、純粋に固有受容ベースラインと比較して標高マップの品質を向上させることを示しています。

要約(オリジナル)

For leg exoskeletons to operate effectively in real-world environments, they must be able to perceive and understand the terrain around them. However, unlike other legged robots, exoskeletons face specific constraints on where depth sensors can be mounted due to the presence of a human user. These constraints lead to a limited Field Of View (FOV) and greater sensor motion, making odometry particularly challenging. To address this, we propose a novel odometry algorithm that integrates proprioceptive data from the exoskeleton with point clouds from a depth camera to produce accurate elevation maps despite these limitations. Our method builds on an extended Kalman filter (EKF) to fuse kinematic and inertial measurements, while incorporating a tailored iterative closest point (ICP) algorithm to register new point clouds with the elevation map. Experimental validation with a leg exoskeleton demonstrates that our approach reduces drift and enhances the quality of elevation maps compared to a purely proprioceptive baseline, while also outperforming a more traditional point cloud map-based variant.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google