Robust 2D lidar-based SLAM in arboreal environments without IMU/GNSS

要約

モバイルロボットの同時ローカリゼーションとマッピング（SLAM）アプローチは、森のキャノピーがグローバルナビゲーション衛星システム（GNSS）シグナルを妨害する森林または樹木の果実農業環境で困難なままです。
屋内の設定とは異なり、これらの農業環境には、葉の動きや照明の変動などの屋外変数のために追加の課題があります。
このホワイトペーパーでは、3D LIDARを使用するアプローチよりも、処理と保存が必要であり、費用対効果が高い2D Lidar測定に基づくソリューションを提案します。
修正されたHausdorff距離（MHD）メトリックを利用すると、この方法は、洗練された機能抽出を必要とせずに、スキャンを堅牢で高精度で解決できます。
この方法の堅牢性は、パブリックデータセットを使用して検証され、さまざまなメトリックを検討し、将来の研究の有意義な比較を促進しました。
最先端のアルゴリズム、特にA-Loamとの比較評価は、提案されたアプローチがGNSSが除外された設定でより高い精度と回復力を維持しながら、より低い位置および角度エラーを達成することを示しています。
この作業は、困難な屋外環境で信頼できる自律的なナビゲーションを可能にすることにより、精密農業の進歩に貢献します。

要約(オリジナル)

Simultaneous localization and mapping (SLAM) approaches for mobile robots remains challenging in forest or arboreal fruit farming environments, where tree canopies obstruct Global Navigation Satellite Systems (GNSS) signals. Unlike indoor settings, these agricultural environments possess additional challenges due to outdoor variables such as foliage motion and illumination variability. This paper proposes a solution based on 2D lidar measurements, which requires less processing and storage, and is more cost-effective, than approaches that employ 3D lidars. Utilizing the modified Hausdorff distance (MHD) metric, the method can solve the scan matching robustly and with high accuracy without needing sophisticated feature extraction. The method’s robustness was validated using public datasets and considering various metrics, facilitating meaningful comparisons for future research. Comparative evaluations against state-of-the-art algorithms, particularly A-LOAM, show that the proposed approach achieves lower positional and angular errors while maintaining higher accuracy and resilience in GNSS-denied settings. This work contributes to the advancement of precision agriculture by enabling reliable and autonomous navigation in challenging outdoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google