Impact of Temporal Delay on Radar-Inertial Odometry

要約

正確なエゴモーション推定は、自律システムの重要なコンポーネントです。
カメラやリダーなどの従来のエゴモーションセンサーは、霧、大雨、ほこりなどの不利な環境条件で妥協する可能性があります。
そのような条件への堅牢性で知られる自動車レーダーは、補完的なセンサーまたはエゴモーション推定フレームワーク内の有望な代替品としての地位を示しています。
このペーパーでは、自動車レーダーと慣性測定ユニットを統合する新しいレーダー介入臭気（RIO）システムを提案します。
重要な貢献は、レーダーとIMU測定の間の潜在的な時間オフセットを補う因子グラフ最適化フレームワーク内のオンライン時間遅延キャリブレーションの統合です。
提案されたアプローチを検証するために、実際のレーダーとIMUデータに関する徹底的な実験分析を実施しました。
結果は、スキャンマッチングまたはターゲット追跡がなくても、オンライン時間キャリブレーションの統合により、時間同期を無視するシステムと比較してローカリゼーションエラーが大幅に減少し、したがって、自律ナビゲーションのためのレーダーベースのセンサー融合システムにおけるしばしば無視される正確な時間的アライメントの重要な役割を強調することを示しています。

要約(オリジナル)

Accurate ego-motion estimation is a critical component of any autonomous system. Conventional ego-motion sensors, such as cameras and LiDARs, may be compromised in adverse environmental conditions, such as fog, heavy rain, or dust. Automotive radars, known for their robustness to such conditions, present themselves as complementary sensors or a promising alternative within the ego-motion estimation frameworks. In this paper we propose a novel Radar-Inertial Odometry (RIO) system that integrates an automotive radar and an inertial measurement unit. The key contribution is the integration of online temporal delay calibration within the factor graph optimization framework that compensates for potential time offsets between radar and IMU measurements. To validate the proposed approach we have conducted thorough experimental analysis on real-world radar and IMU data. The results show that, even without scan matching or target tracking, integration of online temporal calibration significantly reduces localization error compared to systems that disregard time synchronization, thus highlighting the important role of, often neglected, accurate temporal alignment in radar-based sensor fusion systems for autonomous navigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google