Tightly Coupled SLAM with Imprecise Architectural Plans

要約

屋内環境をナビゲートするロボットは、多くの場合、アーキテクチャプランにアクセスできます。これは、ローカリゼーションとマッピング機能を強化するための事前知識として機能します。
一部のSLAMアルゴリズムは、実際の環境におけるグローバルなローカリゼーションのためのこれらの計画を活用していますが、通常、重要な課題を見落としています。「計画されている」建築デザインは、「生まれた」現実世界の環境からしばしば逸脱しています。
このギャップに対処するために、Lidarベースの同時ローカリゼーションとマッピングを、逸脱の存在下での建築計画とマッピングする新しいアルゴリズムを提示します。
私たちの方法では、多層セマンティック表現を利用して、ロボットをローカライズするだけでなく、リアルタイムで「計画的な」環境と構築された環境間のグローバルなアライメントと構造的逸脱を推定します。
アプローチを検証するために、最大35 cmおよび15度までの構造的逸脱に対する堅牢性を示すシミュレーションおよび実際のデータセットで実験を実行しました。
平均して、私たちの方法では、シミュレートされた環境でベースラインよりも43％少ないローカリゼーションエラーを達成しますが、実際の環境では、構築された3Dマップでは7％低い平均アライメントエラーが示されています。

要約(オリジナル)

Robots navigating indoor environments often have access to architectural plans, which can serve as prior knowledge to enhance their localization and mapping capabilities. While some SLAM algorithms leverage these plans for global localization in real-world environments, they typically overlook a critical challenge: the ‘as-planned’ architectural designs frequently deviate from the ‘as-built’ real-world environments. To address this gap, we present a novel algorithm that tightly couples LIDAR-based simultaneous localization and mapping with architectural plans under the presence of deviations. Our method utilizes a multi-layered semantic representation to not only localize the robot, but also to estimate global alignment and structural deviations between ‘as-planned’ and as-built environments in real-time. To validate our approach, we performed experiments in simulated and real datasets demonstrating robustness to structural deviations up to 35 cm and 15 degrees. On average, our method achieves 43% less localization error than baselines in simulated environments, while in real environments, the as-built 3D maps show 7% lower average alignment error

arxiv情報

提供元, 利用サービス

arxiv.jp, Google