Path-Constrained State Estimation for Rail Vehicles

要約

世界的に鉄道輸送の需要が高まっているため、既存のインフラが容量の限界に達しており、安全かつ効率的な列車の運行を確保するために、正確で堅牢な高周波数測位システムの開発が必要になっています。
個々のセンサー モダリティは堅牢性と安全性の厳しい要件を満たすことができないため、それらを組み合わせる必要があります。
鉄道ネットワークの独自の特性を活用しながら、さまざまなモダリティを統合するための経路制約のあるセンサーフュージョンフレームワークを提案します。
線路に沿った鉄道車両の制約された動きを反映するために、状態は線路の形状に沿って 1D でモデル化されます。
さらに、車両が鉄道網内で取り得る複数の可能な軌道を考慮する新しい複数仮説追跡を採用することで、列車の限られた行動空間を活用します。
チューリッヒ市で記録された複数の路面電車データセットに対するフュージョン フレームワークの信頼性と精度を実証します。これには、ローカルな動きの推定に視覚慣性オドメトリを、グローバルな位置特定に標準の GNSS を利用します。
RTK-GNSS で記録されたグラウンド トゥルースの位置特定を使用して結果を評価し、私たちの方法を標準のベースラインと比較します。
4.78 m の二乗平均平方根誤差と最大 94.9 % のトラック選択性スコアが達成されました。

要約(オリジナル)

Globally rising demand for transportation by rail is pushing existing infrastructure to its capacity limits, necessitating the development of accurate, robust, and high-frequency positioning systems to ensure safe and efficient train operation. As individual sensor modalities cannot satisfy the strict requirements of robustness and safety, a combination thereof is required. We propose a path-constrained sensor fusion framework to integrate various modalities while leveraging the unique characteristics of the railway network. To reflect the constrained motion of rail vehicles along their tracks, the state is modeled in 1D along the track geometry. We further leverage the limited action space of a train by employing a novel multi-hypothesis tracking to account for multiple possible trajectories a vehicle can take through the railway network. We demonstrate the reliability and accuracy of our fusion framework on multiple tram datasets recorded in the city of Zurich, utilizing Visual-Inertial Odometry for local motion estimation and a standard GNSS for global localization. We evaluate our results using ground truth localizations recorded with a RTK-GNSS, and compare our method to standard baselines. A Root Mean Square Error of 4.78 m and a track selectivity score of up to 94.9 % have been achieved.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google