要約
農業作業の自動化が加速しているため、フィールドロボット用の高精度で堅牢な位置特定システムが求められています。
SLAM (Simultaneous Localization and Mapping) 手法では、探索軌道上でドリフトが必然的に蓄積され、主に場所の再訪問とループの終了に依存して、制限されたグローバルな位置推定誤差を維持します。
ループ クロージャ技術は、さまざまなビューの局所的な視覚的外観が非常に似ており、天候の影響により簡単に変化する可能性があるため、農業分野では非常に困難です。
実際の適切な代替方法は、グローバル センサー測位システムを残りのロボット センサーと組み合わせて使用することです。
この論文では、位置特定を目的とした全地球航法衛星システム (GNSS)、ステレオビュー、および慣性測定の融合を提案し、実装します。
具体的には、密結合した方法で、GNSS 測定をステレオ慣性 ORB-SLAM3 パイプラインに組み込みます。
私たちは、大豆畑の自律ロボットによって記録されたロザリオデータセットと当社独自の社内データのシーケンスでの実装を徹底的に評価します。
当社のデータには、最先端のアプローチの評価にはほとんど含まれない従来の GNSS からの測定値が含まれています。
このアプリケーションケースにおける GNSS ステレオ慣性 SLAM のパフォーマンスを特徴付け、視覚慣性ベースラインおよび疎結合 GNSS ステレオ慣性ベースラインと比較して姿勢誤差が 10% ～ 30% 減少したことを報告しています。
このような分析に加えて、実装のコードもオープンソースとして公開しています。
要約(オリジナル)
The accelerating pace in the automation of agricultural tasks demands highly accurate and robust localization systems for field robots. Simultaneous Localization and Mapping (SLAM) methods inevitably accumulate drift on exploratory trajectories and primarily rely on place revisiting and loop closing to keep a bounded global localization error. Loop closure techniques are significantly challenging in agricultural fields, as the local visual appearance of different views is very similar and might change easily due to weather effects. A suitable alternative in practice is to employ global sensor positioning systems jointly with the rest of the robot sensors. In this paper we propose and implement the fusion of global navigation satellite system (GNSS), stereo views, and inertial measurements for localization purposes. Specifically, we incorporate, in a tightly coupled manner, GNSS measurements into the stereo-inertial ORB-SLAM3 pipeline. We thoroughly evaluate our implementation in the sequences of the Rosario data set, recorded by an autonomous robot in soybean fields, and our own in-house data. Our data includes measurements from a conventional GNSS, rarely included in evaluations of state-of-the-art approaches. We characterize the performance of GNSS-stereo-inertial SLAM in this application case, reporting pose error reductions between 10% and 30% compared to visual-inertial and loosely coupled GNSS-stereo-inertial baselines. In addition to such analysis, we also release the code of our implementation as open source.
arxiv情報
| 著者 | Javier Cremona,Javier Civera,Ernesto Kofman,Taihú Pire |
| 発行日 | 2023-07-24 14:34:22+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google