A Novel ViDAR Device With Visual Inertial Encoder Odometry and Reinforcement Learning-Based Active SLAM Method

要約

同時ローカリゼーションとマッピング（SLAM）のためのマルチセンサー融合の分野では、単眼カメラとIMUSは、シンプルで効果的な視覚慣性システムを構築するために広く使用されています。
ただし、限られた研究では、スラムのパフォーマンスを向上させるためのモーターエンコーダーデバイスの統合を調査しました。
このようなデバイスを組み込むことにより、最小限の追加コストと構造の複雑さでアクティブな能力と視野（FOV）を大幅に改善することが可能です。
このホワイトペーパーでは、Vidar（ビデオ検出および範囲）デバイスに基づいた新しい視覚慣性エンコーダーが厳密に結合した臭気（VIEO）を提案します。
VIEOの正確な初期化を確保するために、Vidarキャリブレーション方法が導入されています。
さらに、ディープ補強学習（DRL）に基づいたプラットフォームモーションのデカップされたアクティブスラム法が提案されています。
実験データは、提案されたVIDARとVIEOアルゴリズムが、対応する視覚慣性臭気（VIO）アルゴリズムと比較して、交差フレームの同時性関係を大幅に増加させ、状態推定精度を改善することを示しています。
さらに、プラットフォームの動きから切り離す機能を備えたDRLベースのアクティブスラムアルゴリズムは、特徴ポイントの多様性の重量を増加させ、VIEOアルゴリズムのパフォーマンスをさらに強化することができます。
提案された方法論は、複雑な環境でのアクティブなスラムシステムの更新されたプラットフォーム設計と分離されたアプローチの両方に新たな洞察を投げかけます。

要約(オリジナル)

In the field of multi-sensor fusion for simultaneous localization and mapping (SLAM), monocular cameras and IMUs are widely used to build simple and effective visual-inertial systems. However, limited research has explored the integration of motor-encoder devices to enhance SLAM performance. By incorporating such devices, it is possible to significantly improve active capability and field of view (FOV) with minimal additional cost and structural complexity. This paper proposes a novel visual-inertial-encoder tightly coupled odometry (VIEO) based on a ViDAR (Video Detection and Ranging) device. A ViDAR calibration method is introduced to ensure accurate initialization for VIEO. In addition, a platform motion decoupled active SLAM method based on deep reinforcement learning (DRL) is proposed. Experimental data demonstrate that the proposed ViDAR and the VIEO algorithm significantly increase cross-frame co-visibility relationships compared to its corresponding visual-inertial odometry (VIO) algorithm, improving state estimation accuracy. Additionally, the DRL-based active SLAM algorithm, with the ability to decouple from platform motion, can increase the diversity weight of the feature points and further enhance the VIEO algorithm’s performance. The proposed methodology sheds fresh insights into both the updated platform design and decoupled approach of active SLAM systems in complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google