Uncertainty-Driven Radar-Inertial Fusion for Instantaneous 3D Ego-Velocity Estimation

要約

高解像度のイメージングレーダーと慣性測定ユニットを統合することにより、自律ナビゲーションにおけるエゴ速度を推定する方法を提示します。
提案されたアプローチは、ニューラルネットワークを採用して複雑な値の生レーダーデータを処理し、関連する不確実性とともに瞬間的な線形エゴ速度を推定することにより、従来のレーダーベースのエゴモーション推定技術の制限に対処します。
この不確実性認識速度推定は、拡張されたカルマンフィルターを使用して慣性測定ユニットデータと統合されます。
フィルターは、ネットワーク予測の不確実性を活用して、慣性センサーのノイズとバイアスパラメーターを改良し、エゴモーション推定の全体的な堅牢性と精度を改善します。
公開されているColoradarデータセットで提案された方法を評価しました。
私たちのアプローチは、最も近い公的に利用可能な方法と比較して、誤差が大幅に低く、一致ベースのテクニックとスキャンの両方を上回ります。

要約(オリジナル)

We present a method for estimating ego-velocity in autonomous navigation by integrating high-resolution imaging radar with an inertial measurement unit. The proposed approach addresses the limitations of traditional radar-based ego-motion estimation techniques by employing a neural network to process complex-valued raw radar data and estimate instantaneous linear ego-velocity along with its associated uncertainty. This uncertainty-aware velocity estimate is then integrated with inertial measurement unit data using an Extended Kalman Filter. The filter leverages the network-predicted uncertainty to refine the inertial sensor’s noise and bias parameters, improving the overall robustness and accuracy of the ego-motion estimation. We evaluated the proposed method on the publicly available ColoRadar dataset. Our approach achieves significantly lower error compared to the closest publicly available method and also outperforms both instantaneous and scan matching-based techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google