GPS-aided Visual Wheel Odometry

要約

この論文では、地上ロボット用の新しい GPS 支援視覚ホイール オドメトリ (GPS-VWO) を紹介します。
状態推定アルゴリズムは、マルチステート制約カルマン フィルター (MSCKF) の方法で、視覚的なホイール エンコーダーと GPS 測定を緊密に融合します。
時間の経過とともにキャリブレーション誤差が蓄積するのを避けるために、提案されたアルゴリズムは、推定プロセスの一部として、GPS グローバル座標フレームと VWO 参照フレームの間の外部回転パラメータをオンラインで計算します。
この外部パラメータの収束は可観測性解析によって保証され、現実世界のビジュアルおよびホイールエンコーダ測定、およびシミュレートされた GPS 測定を使用して検証されます。
さらに、特定のカルマン フィルター システムでは、観察不可能な状態の分散がゼロに収束する可能性があるという新しい理論的発見が提示されます。
提案されたシステムを大規模な都市走行シナリオで広範囲に評価します。
この結果は、GPS と VWO の融合によって GPS よりも高い精度が達成されることを示しています。
外部パラメータのキャリブレーションと非キャリブレーションを比較すると、オンライン キャリブレーションのおかげで位置特定精度が大幅に向上していることがわかります。

要約(オリジナル)

This paper introduces a novel GPS-aided visual-wheel odometry (GPS-VWO) for ground robots. The state estimation algorithm tightly fuses visual, wheeled encoder and GPS measurements in the way of Multi-State Constraint Kalman Filter (MSCKF). To avoid accumulating calibration errors over time, the proposed algorithm calculates the extrinsic rotation parameter between the GPS global coordinate frame and the VWO reference frame online as part of the estimation process. The convergence of this extrinsic parameter is guaranteed by the observability analysis and verified by using real-world visual and wheel encoder measurements as well as simulated GPS measurements. Moreover, a novel theoretical finding is presented that the variance of unobservable state could converge to zero for specific Kalman filter system. We evaluate the proposed system extensively in large-scale urban driving scenarios. The results demonstrate that better accuracy than GPS is achieved through the fusion of GPS and VWO. The comparison between extrinsic parameter calibration and non-calibration shows significant improvement in localization accuracy thanks to the online calibration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google