Multi Object Tracking for Predictive Collision Avoidance

要約

製造、物流、農業などの複雑な環境で自律移動ロボット (AMR) を安全かつ効率的に運用するには、正確な複数の物体追跡と予測衝突回避が必要です。
このペーパーでは、アンサンブル カルマン フィルターに重点を置き、LiDAR センサー データを使用してこれらの課題に対処するためのアルゴリズムと手法を紹介します。
開発された予測衝突回避アルゴリズムは、LIDAR センサーから提供されるデータを利用して複数の物体を追跡し、それらの速度と将来の位置を予測することで、AMR が安全かつ効果的に航行できるようにします。
衝突回避システムのパフォーマンスを向上させるために、動的ウィンドウ手法への変更が導入されました。
全体的なシステム アーキテクチャには、物体検出、複数物体追跡、予測衝突回避制御が含まれます。
シミュレーションと現実世界のデータの両方から得られた実験結果は、さまざまなシナリオにおける提案手法の有効性を示しており、グローバル プランナー、その他のコントローラー、追加のセンサーの統合に関する将来の研究の基礎となります。
この論文は、複雑で動的な環境における安全で効率的な自律システムの継続的な開発に貢献します。

要約(オリジナル)

The safe and efficient operation of Autonomous Mobile Robots (AMRs) in complex environments, such as manufacturing, logistics, and agriculture, necessitates accurate multi-object tracking and predictive collision avoidance. This paper presents algorithms and techniques for addressing these challenges using Lidar sensor data, emphasizing ensemble Kalman filter. The developed predictive collision avoidance algorithm employs the data provided by lidar sensors to track multiple objects and predict their velocities and future positions, enabling the AMR to navigate safely and effectively. A modification to the dynamic windowing approach is introduced to enhance the performance of the collision avoidance system. The overall system architecture encompasses object detection, multi-object tracking, and predictive collision avoidance control. The experimental results, obtained from both simulation and real-world data, demonstrate the effectiveness of the proposed methods in various scenarios, which lays the foundation for future research on global planners, other controllers, and the integration of additional sensors. This thesis contributes to the ongoing development of safe and efficient autonomous systems in complex and dynamic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google