Observability-Aware Active Calibration of Multi-Sensor Extrinsics for Ground Robots via Online Trajectory Optimization

要約

地上ロボットシステム（つまり、相対的なポーズ）のセンサー外因性パラメーターの正確なキャリブレーションは、空間的アライメントを確保し、高性能の知覚を達成するために重要です。
ただし、既存のキャリブレーション方法では、通常、データを収集するために複雑で頻繁に操作されるプロセスが必要です。
さらに、ほとんどのフレームワークは音響センサーを無視しているため、関連するシステムの聴覚認識能力が制限されます。
これらの問題を軽減するために、マイクロフォンアレイ、ライダー（外部受容センサー）、ホイールエンコーダ（固有受容センサー）を含むマルチモーダルセンサーを備えた地上ロボットの観測可能性対応アクティブキャリブレーション方法を提案します。
従来のアプローチとは異なり、私たちの方法により、よりインテリジェントなロボットシステムの開発に貢献して、オンラインデータ収集とキャリブレーションのための積極的な軌道最適化が可能になります。
具体的には、Fisher Information Matrix（FIM）を活用してパラメーターの観測可能性を定量化し、B-Spline Curvesを介した軌跡生成の最適化メトリックとして最小固有値を採用します。
オンラインでロボット軌道の計画と再生を通じて、この方法は多センサー外因性パラメーターの観察可能性を高めます。
私たちの方法の有効性と利点は、数値シミュレーションと現実世界の実験を通じて実証されています。
コミュニティの利益のために、https://github.com/aislab-sustech/multisensor-キャリブレーションでコードとデータをオープンソースしました。

要約(オリジナル)

Accurate calibration of sensor extrinsic parameters for ground robotic systems (i.e., relative poses) is crucial for ensuring spatial alignment and achieving high-performance perception. However, existing calibration methods typically require complex and often human-operated processes to collect data. Moreover, most frameworks neglect acoustic sensors, thereby limiting the associated systems’ auditory perception capabilities. To alleviate these issues, we propose an observability-aware active calibration method for ground robots with multimodal sensors, including a microphone array, a LiDAR (exteroceptive sensors), and wheel encoders (proprioceptive sensors). Unlike traditional approaches, our method enables active trajectory optimization for online data collection and calibration, contributing to the development of more intelligent robotic systems. Specifically, we leverage the Fisher information matrix (FIM) to quantify parameter observability and adopt its minimum eigenvalue as an optimization metric for trajectory generation via B-spline curves. Through planning and replanning of robot trajectory online, the method enhances the observability of multi-sensor extrinsic parameters. The effectiveness and advantages of our method have been demonstrated through numerical simulations and real-world experiments. For the benefit of the community, we have also open-sourced our code and data at https://github.com/AISLAB-sustech/Multisensor-Calibration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google