Planar Velocity Estimation for Fast-Moving Mobile Robots Using Event-Based Optical Flow

要約

正確な速度推定は、モバイルロボット工学、特にドライバー支援システムと自律運転で重要です。
慣性測定ユニット（IMU）データと融合したホイールオドメトリーは、速度推定のために広く使用されている方法です。
ただし、通常、滑りやすい表面のようなさまざまな環境条件下では保持されない複雑な車両ダイナミクスモデルなど、強力な仮定が必要です。
地面に垂直に尖ったイベントカメラからの光学流と組み合わせて平面運動学を活用することにより、ホイール間トラクションの仮定から切り離された速度推定へのアプローチを導入します。
非同期マイクロ秒レイテンシとイベントカメラの高ダイナミックレンジにより、自律運転のための視覚ベースの知覚技術の一般的な課題であるモーションブラーに対して非常に堅牢になります。
提案された方法は、1:10スケールの自律レースプラットフォームでのフィールド内実験を通じて評価され、正確なモーションキャプチャデータと比較され、最先端のイベント-Vio-Vio-Vio方法と同等のパフォーマンスだけでなく、横方向誤差の38.3％の改善も実証します。
最大32 m/sの高速道路速度での定性的実験は、私たちのアプローチの有効性をさらに確認し、実際の展開の重要な可能性を示しています。

要約(オリジナル)

Accurate velocity estimation is critical in mobile robotics, particularly for driver assistance systems and autonomous driving. Wheel odometry fused with Inertial Measurement Unit (IMU) data is a widely used method for velocity estimation; however, it typically requires strong assumptions, such as non-slip steering, or complex vehicle dynamics models that do not hold under varying environmental conditions like slippery surfaces. We introduce an approach to velocity estimation that is decoupled from wheel-to-surface traction assumptions by leveraging planar kinematics in combination with optical flow from event cameras pointed perpendicularly at the ground. The asynchronous micro-second latency and high dynamic range of event cameras make them highly robust to motion blur, a common challenge in vision-based perception techniques for autonomous driving. The proposed method is evaluated through in-field experiments on a 1:10 scale autonomous racing platform and compared to precise motion capture data, demonstrating not only performance on par with the state-of-the-art Event-VIO method but also a 38.3 % improvement in lateral error. Qualitative experiments at highway speeds of up to 32 m/s further confirm the effectiveness of our approach, indicating significant potential for real-world deployment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google