DRO: Doppler-Aware Direct Radar Odometry

要約

モバイルロボットアプリケーション向けのレーダーベースのセンシングのルネッサンスが進行中です。
カメラやリダーと比較して、ミリ波レーダーは、薄い壁、植生、大雨、霧、雪、ほこりなどの敵対的な気象条件を「見る」能力を持っています。
この論文では、周波数変調された連続波レーダーを回転させるための新しいSE（2）臭気測定アプローチを提案します。
この方法は、機能またはポイントクラウドの抽出を必要とせずに、すべてのレーダー強度情報を使用して、着信レーダーデータのスキャン間マップ登録を直接的に実行します。
このメソッドは、局所的に連続的な軌道推定を実行し、レーダースキャンの動きとドップラーの歪みの両方を説明します。
レーダーが放射状のドップラー速度を観察可能にする特定の周波数変調パターンを持っている場合、速度の推定を改善し、幾何学的に形成されるシナリオ（特徴のないトンネルなど）の速度測定を改善するために追加のドップラーベースの制約が策定されます。
当社の方法は、250km以上のオンロードデータ（Boreas and Mulran）から調達され、自動車プラットフォームを使用して収集されました。
ジャイロスコープの助けを借りて、最先端の方法よりも優れており、ボレアスリーダーボードで平均相対翻訳誤差が0.26％を達成します。
適切なドップラーを有効にする周波数変調パターンを使用してデータを使用する場合、類似の環境で翻訳エラーは0.18％に減少します。
また、さまざまなレベルの構造を持つオフロード環境でモバイルロボットと収集された1.5時間のデータを使用して、その汎用性を実証するアルゴリズムをベンチマークしました。
当社のリアルタイムの実装は、公開されています：https：//github.com/utiasasrl/dro。

要約(オリジナル)

A renaissance in radar-based sensing for mobile robotic applications is underway. Compared to cameras or lidars, millimetre-wave radars have the ability to `see’ through thin walls, vegetation, and adversarial weather conditions such as heavy rain, fog, snow, and dust. In this paper, we propose a novel SE(2) odometry approach for spinning frequency-modulated continuous-wave radars. Our method performs scan-to-local-map registration of the incoming radar data in a direct manner using all the radar intensity information without the need for feature or point cloud extraction. The method performs locally continuous trajectory estimation and accounts for both motion and Doppler distortion of the radar scans. If the radar possesses a specific frequency modulation pattern that makes radial Doppler velocities observable, an additional Doppler-based constraint is formulated to improve the velocity estimate and enable odometry in geometrically feature-deprived scenarios (e.g., featureless tunnels). Our method has been validated on over 250km of on-road data sourced from public datasets (Boreas and MulRan) and collected using our automotive platform. With the aid of a gyroscope, it outperforms state-of-the-art methods and achieves an average relative translation error of 0.26% on the Boreas leaderboard. When using data with the appropriate Doppler-enabling frequency modulation pattern, the translation error is reduced to 0.18% in similar environments. We also benchmarked our algorithm using 1.5 hours of data collected with a mobile robot in off-road environments with various levels of structure to demonstrate its versatility. Our real-time implementation is publicly available: https://github.com/utiasASRL/dro.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google