Experimental Analysis of Quadcopter Drone Hover Constraints for Localization Improvements

要約

この作業では、グランドロボットとドローンデータのマルチセンサー融合における空中ドローンホバー制約の使用を評価して、ドローンのローカリゼーションパフォーマンスを改善します。
特に、LIDAR、慣性ナビゲーション、ピアツーピアの範囲、高度計、ステレオビジョンからのデータを融合する空中ドローンと地上ロボットの間の協力的なローカリゼーションに関する以前の作業に基づいて、ドローンがホバリングしているときに関するオートパイロットからの取り込み知識を評価します。
この制御コマンドデータは、速度状態に制約を追加するために活用されています。
ホバーの制約は、歩行者ナビゲーションにおけるゼロ速度の更新の活用など、重要な動的モデル情報と見なすことができます。
インクリメンタルファクターグラフの最適化を使用して、これらの制約の利点を分析します。
モーションキャプチャファカルティで収集された実験データは、パフォーマンスの洞察を提供し、ホバー制約の利点を評価するために使用されます。

要約(オリジナル)

In this work, we evaluate the use of aerial drone hover constraints in a multisensor fusion of ground robot and drone data to improve the localization performance of a drone. In particular, we build upon our prior work on cooperative localization between an aerial drone and ground robot that fuses data from LiDAR, inertial navigation, peer-to-peer ranging, altimeter, and stereo-vision and evaluate the incorporation knowledge from the autopilot regarding when the drone is hovering. This control command data is leveraged to add constraints on the velocity state. Hover constraints can be considered important dynamic model information, such as the exploitation of zero-velocity updates in pedestrian navigation. We analyze the benefits of these constraints using an incremental factor graph optimization. Experimental data collected in a motion capture faculty is used to provide performance insights and assess the benefits of hover constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google