Enhanced Laser-Scan Matching with Online Error Estimation for Highway and Tunnel Driving

要約

LIDAR データを使用して、自律走行車やモバイル ロボット プラットフォームのナビゲーション用の点群を生成できます。
スキャン マッチング (2 つの点群を最適に位置合わせする剛体変換を推定するプロセス) は、推測航法の一形態である LIDAR オドメトリの基礎です。
LIDAR オドメトリは、GPS などの絶対センサーが利用できない場合に特に役立ちます。
ここでは、現在の最先端の正規分布変換 (NDT) に対して 2 つの新しい改善を提供するスキャン マッチング アルゴリズムである反復最近接楕円体変換 (ICET) を提案します。
NDT と同様に、ICET は LIDAR データをボクセルに分解し、ガウス分布を各ボクセル内のポイントに当てはめます。
ICET の最初のイノベーションは、これらの方向に沿った解を抑制することによって、大きな平面に沿った幾何学的なあいまいさを減らします。
ICET の 2 番目の革新は、連続する点群間の位置と方向の変換に関連する出力誤差の共分散を推測することです。
誤差共分散は、ICET が拡張カルマン フィルターなどの状態推定ルーチンに組み込まれている場合に特に役立ちます。
2D 空間での ICET と NDT のパフォーマンスを、幾何学的なあいまいさがある場合とない場合の両方で比較するシミュレーションを作成したところ、ICET が優れた推定値を生成すると同時に、解の精度を正確に予測できることがわかりました。

要約(オリジナル)

Lidar data can be used to generate point clouds for the navigation of autonomous vehicles or mobile robotics platforms. Scan matching, the process of estimating the rigid transformation that best aligns two point clouds, is the basis for lidar odometry, a form of dead reckoning. Lidar odometry is particularly useful when absolute sensors, like GPS, are not available. Here we propose the Iterative Closest Ellipsoidal Transform (ICET), a scan matching algorithm which provides two novel improvements over the current state-of-the-art Normal Distributions Transform (NDT). Like NDT, ICET decomposes lidar data into voxels and fits a Gaussian distribution to the points within each voxel. The first innovation of ICET reduces geometric ambiguity along large flat surfaces by suppressing the solution along those directions. The second innovation of ICET is to infer the output error covariance associated with the position and orientation transformation between successive point clouds; the error covariance is particularly useful when ICET is incorporated into a state-estimation routine such as an extended Kalman filter. We constructed a simulation to compare the performance of ICET and NDT in 2D space both with and without geometric ambiguity and found that ICET produces superior estimates while accurately predicting solution accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google