ERPoT: Effective and Reliable Pose Tracking for Mobile Robots Using Lightweight Polygon Maps

要約

このペーパーでは、革新的な以前のポリゴンマップによって支えられた、大規模な屋外で挑戦的な屋内環境で動作するモバイルロボット向けに、ERPOTと呼ばれる効果的で信頼性の高いポーズ追跡ソリューションを紹介します。
特に、マップサイズが環境の拡大に伴い成長するにつれて発生する課題を克服するために、複数のポリゴンで構成される以前のマップの新しい形式が提案されています。
環境占有率を簡潔かつ正確に描写するためにポリゴンの使用の恩恵を受けて、以前のポリゴンマップは、長期的に信頼できるポーズ追跡を実現し、コンパクトな形を確保します。
さらに重要なことに、ポーズトラッキングは純粋なライダーモードで実行され、密な3Dポイントクラウドは、地面の除去と障害物の選択により、スパース2Dスキャンに変換されます。
これに基づいて、ポイントポリゴンマッチングによるポーズ推定のための新しいコスト関数が導入され、ポイントツーエッジとポイントツーエッジの2つの異なる制約フォームが含まれています。
この研究では、私たちの主な焦点は、軽量でコンパクトな以前のマップ構築と、効果的で信頼できるロボットのポーズ追跡という2つの重要な側面にあります。
どちらの側面も、さまざまな環境にさまざまなライダーセンサーを備えた多様なモバイルプラットフォームを介して、将来のナビゲーションの基礎柱として機能します。
公開されているデータセットと自己録画データセットに基づく比較実験が行われ、評価結果は、他の6つのアプローチで信頼性、以前のマップサイズ、ポーズ推定誤差、ランタイムに関するERPOTの優れたパフォーマンスを示しています。
対応するコードはhttps://github.com/ghm0819/erpotでアクセスでき、補足ビデオはhttps://youtu.be/cseml5frw1qにあります。

要約(オリジナル)

This paper presents an effective and reliable pose tracking solution, termed ERPoT, for mobile robots operating in large-scale outdoor and challenging indoor environments, underpinned by an innovative prior polygon map. Especially, to overcome the challenge that arises as the map size grows with the expansion of the environment, the novel form of a prior map composed of multiple polygons is proposed. Benefiting from the use of polygons to concisely and accurately depict environmental occupancy, the prior polygon map achieves long-term reliable pose tracking while ensuring a compact form. More importantly, pose tracking is carried out under pure LiDAR mode, and the dense 3D point cloud is transformed into a sparse 2D scan through ground removal and obstacle selection. On this basis, a novel cost function for pose estimation through point-polygon matching is introduced, encompassing two distinct constraint forms: point-to-vertex and point-to-edge. In this study, our primary focus lies on two crucial aspects: lightweight and compact prior map construction, as well as effective and reliable robot pose tracking. Both aspects serve as the foundational pillars for future navigation across diverse mobile platforms equipped with different LiDAR sensors in varied environments. Comparative experiments based on the publicly available datasets and our self-recorded datasets are conducted, and evaluation results show the superior performance of ERPoT on reliability, prior map size, pose estimation error, and runtime over the other six approaches. The corresponding code can be accessed at https://github.com/ghm0819/ERPoT, and the supplementary video is at https://youtu.be/cseml5FrW1Q.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google