Robust Lifelong Indoor LiDAR Localization using the Area Graph

要約

特定のマップ内での生涯にわたる屋内位置特定は、自律移動ロボットのナビゲーションの基礎となります。
このレターでは、特定のエリア グラフの 3D LiDAR 点群を使用して、オフィス スペースや廊下などの雑然とした屋内環境における堅牢な位置特定の問題に取り組みます。エリア グラフは、ポリゴンを使用して部屋などのエリアを区切る階層的なトポメトリック セマンティック マップ表現です。
廊下とか建物とか。
この表現は非常にコンパクトで、階層を通じて建物のさまざまなフロアを表現でき、ドアやガラスのポーズなど、ローカリゼーションに役立つセマンティック情報を提供します。
これとは対照的に、占有グリッド マップや点群などの一般的に使用される地図表現にはこれらの機能が欠けており、壁などの生涯にわたる建築上の特徴と一致する私たちのアプローチとは異なり、環境の変化（家具の移動など）に応じて頻繁に更新する必要があります。
そしてドア。
そのために、フィルタリングを適用して 3D 入力点群から乱雑さを除去し、さらに位置特定のためにスコアリング関数と重み付け関数を使用します。
WiFi ローカライゼーションからの大まかな初期推測を考慮すると、私たちの実験では、現在の機能豊富な乱雑なマップをローカライゼーションに使用するローカライゼーションおよび SLAM アルゴリズムと比較した場合でも、グローバル ローカライゼーションと重み付けされたポイントツーライン ICP 姿勢追跡が非常にうまく機能することが示されています。

要約(オリジナル)

Lifelong indoor localization in a given map is the basis for navigation of autonomous mobile robots. In this letter, we address the problem of robust localization in cluttered indoor environments like office spaces and corridors using 3D LiDAR point clouds in a given Area Graph, which is a hierarchical, topometric semantic map representation that uses polygons to demark areas such as rooms, corridors or buildings. This representation is very compact, can represent different floors of buildings through its hierarchy and provides semantic information that helps with localization, like poses of doors and glass. In contrast to this, commonly used map representations, such as occupancy grid maps or point clouds, lack these features and require frequent updates in response to environmental changes (e.g. moved furniture), unlike our approach, which matches against lifelong architectural features such as walls and doors. For that we apply filtering to remove clutter from the 3D input point cloud and then employ further scoring and weight functions for localization. Given a broad initial guess from WiFi localization, our experiments show that our global localization and the weighted point to line ICP pose tracking perform very well, even when compared to localization and SLAM algorithms that use the current, feature-rich cluttered map for localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google