ORORA: Outlier-Robust Radar Odometry

要約

レーダーセンサーは、極端な気象条件下で周囲の状況を把握し、自我の動きを推定するためのソリューションとして注目されています。しかし、レーダー計測はノイズが多く、相互干渉に悩まされるため、特徴抽出とマッチングの性能が低下し、外れ値と呼ばれる不正確なマッチングペアが誘発される。レーダーオドメトリにおける外れ値の影響に対処するために、新規の外れ値ロバスト法である｟Outlier-RObust RAdar odometry⁾ が提案されています。この目的のために、新しいデカップリングに基づく方法が提案され、これは、漸進的非凸性～(GNC)に基づく回転推定と異方性コンポーネントワイズ並進推定～(A-COTE)で構成されています。さらに、本手法はレーダー計測の異方性特性を利用し、方位角方向の不確かさは半径方向の不確かさよりやや大きいという特徴を持つ。公開データセットで検証した結果、本提案手法が他の最先端手法と比較してロバストなエゴモーション推定を実現することが実証されました。コードは https://github.com/url-kaist/outlier-robust-radar-odometry で公開されています。

要約(オリジナル)

Radar sensors are emerging as solutions for perceiving surroundings and estimating ego-motion in extreme weather conditions. Unfortunately, radar measurements are noisy and suffer from mutual interference, which degrades the performance of feature extraction and matching, triggering imprecise matching pairs, which are referred to as outliers. To tackle the effect of outliers on radar odometry, a novel outlier-robust method called \textit{ORORA} is proposed, which is an abbreviation of \textit{Outlier-RObust RAdar odometry}. To this end, a novel decoupling-based method is proposed, which consists of graduated non-convexity~(GNC)-based rotation estimation and anisotropic component-wise translation estimation~(A-COTE). Furthermore, our method leverages the anisotropic characteristics of radar measurements, each of whose uncertainty along the azimuthal direction is somewhat larger than that along the radial direction. As verified in the public dataset, it was demonstrated that our proposed method yields robust ego-motion estimation performance compared with other state-of-the-art methods. Our code is available at https://github.com/url-kaist/outlier-robust-radar-odometry.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL