Uncertainty analysis for accurate ground truth trajectories with robotic total stations

要約

ロボット工学の文脈では、正確な地上真実測位は、同時定位マッピング（SLAM）や制御アルゴリズムの開発に不可欠です。ロボットトータルステーション(RTS)は、様々なタイプの屋外環境において、特に乱雑な場所での全地球航法衛星システム(GNSS)の限られた精度と比較して、正確で精密な基準位置を提供します。3つのRTSは、ロボットプラットフォームの6自由度（DOF）の基準姿勢を取得する可能性を与えます。しかし、各ポーズの不確かさが軌道評価のために計算されることはほとんどありません。評価アルゴリズムの精度が高まるにつれて、この不確かさを考慮することが重要になってきている。我々は、モンテカルロ（MC）法に基づいて、3つのRTSの融合からこの6自由度の不確実性を計算する方法を提案する。このソリューションは、ロボットプラットフォームのポーズ上のRTSのノイズを伝播させるためのポイントツーポイント最小化に依存している。この不確かさをモデル化するために、5つの主要なノイズ源が特定される：機器固有のノイズ、チルトノイズ、大気要因、時間同期ノイズ、外部校正ノイズ。広範な実験に基づき、プリズムの不確かさと最終的な推定姿勢に対する各ノイズ源の影響を比較する。50km以上の軌跡をテストした結果、校正ノイズと、理想的には75m以下であるべき測定距離の重要性が浮き彫りになりました。さらに、ロボットの姿勢の不確かさは、他のものに比べて、ある特定のノイズ源によって顕著な影響を受けないことが指摘されています。

要約(オリジナル)

In the context of robotics, accurate ground truth positioning is essential for the development of Simultaneous Localization and Mapping (SLAM) and control algorithms. Robotic Total Stations (RTSs) provide accurate and precise reference positions in different types of outdoor environments, especially when compared to the limited accuracy of Global Navigation Satellite System (GNSS) in cluttered areas. Three RTSs give the possibility to obtain the six-Degrees Of Freedom (DOF) reference pose of a robotic platform. However, the uncertainty of every pose is rarely computed for trajectory evaluation. As evaluation algorithms are getting increasingly precise, it becomes crucial to take into account this uncertainty. We propose a method to compute this six-DOF uncertainty from the fusion of three RTSs based on Monte Carlo (MC) methods. This solution relies on point-to-point minimization to propagate the noise of RTSs on the pose of the robotic platform. Five main noise sources are identified to model this uncertainty: noise inherent to the instrument, tilt noise, atmospheric factors, time synchronization noise, and extrinsic calibration noise. Based on extensive experimental work, we compare the impact of each noise source on the prism uncertainty and the final estimated pose. Tested on more than 50 km of trajectories, our comparison highlighted the importance of the calibration noise and the measurement distance, which should be ideally under 75 m. Moreover, it has been noted that the uncertainty on the pose of the robot is not prominently affected by one particular noise source, compared to the others.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL