Ground Penetrating Radar-Assisted Multimodal Robot Odometry Using Subsurface Feature Matrix

要約

地下侵入レーダー（GPR）によって観察される地下特徴を使用したロボットのローカリゼーションは、地下の特徴が天候、季節、表面の変化の影響を受けにくいため、一般的なセンサーのモダリティに堅牢性を高め、追加します。
GPR、慣性測定ユニット（IMU）、およびホイールエンコーダーからの入力を使用して、革新的なマルチモーダル臭気アプローチを導入します。
GPR信号ノイズに効率的に対処するために、Subsurface Feature Matrix（SFM）と呼ばれる高度な特徴表現を導入します。
SFMは周波数ドメインデータを活用し、レーダースキャン内のピークを識別します。
さらに、SFMSを調整することによりGPR変位を推定する新しい機能マッチング方法を提案します。
これら3つの入力ソースからの統合は、マルチモーダルロボット臭気を実現するために、因子グラフアプローチを使用して統合されます。
私たちの方法は、CMU-GPRパブリックデータセットで開発および評価されており、ロボット臭トメトリータスクのリアルタイムパフォーマンスにより、精度と堅牢性の改善を示しています。

要約(オリジナル)

Localization of robots using subsurface features observed by ground-penetrating radar (GPR) enhances and adds robustness to common sensor modalities, as subsurface features are less affected by weather, seasons, and surface changes. We introduce an innovative multimodal odometry approach using inputs from GPR, an inertial measurement unit (IMU), and a wheel encoder. To efficiently address GPR signal noise, we introduce an advanced feature representation called the subsurface feature matrix (SFM). The SFM leverages frequency domain data and identifies peaks within radar scans. Additionally, we propose a novel feature matching method that estimates GPR displacement by aligning SFMs. The integrations from these three input sources are consolidated using a factor graph approach to achieve multimodal robot odometry. Our method has been developed and evaluated with the CMU-GPR public dataset, demonstrating improvements in accuracy and robustness with real-time performance in robotic odometry tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google