Do we need scan-matching in radar odometry?

要約

現在、すべての点がセンサーに対する半径方向の速度に関する情報も持つ 3D 点群を生成する「4D」ドップラー対応レーダーおよびライダー距離センサーの開発が増加しています。
特に 4D レーダーは、ライダーやカメラが通常機能しない低視程条件 (粉塵、煙) での物体の認識とナビゲーションに興味深いものです。
高解像度のドップラー対応レーダーの出現により、単一の点群からオドメトリを推定できるようになり、特徴が少ないフィールド環境ではエラーが発生しやすいスキャン位置合わせの必要性がなくなりました。
ドップラー/IMU データとカルマン フィルター センサー フュージョンの直接統合から、3D スキャン間およびスキャンとマップの登録に至るまで、いくつかのオドメトリ推定方法を、2 つの最近の 4D レーダーと 2 つの IMU からのデータを含む 3 つのデータセットで比較します。
驚くべきことに、我々の結果は、ドップラーデータと IMU データからのオドメトリだけでも、3D 点群登録と同等かそれ以上の結果が得られることを示しています。
私たちの実験では、平均位置誤差は 1.8 km および 4.5 km の軌道にわたって 0.3% 程度に抑えることができました。
これにより、特徴がまばらな鉱山環境でも、長距離にわたって 6DOF のエゴモーションを正確に推定できます。
これらの結果は、特に、鉱山、建設、捜索救助活動など、機能がまばらで視認性の低い条件下でリソースに制約のあるロボット プラットフォームを使用したナビゲーションのアプリケーションに役立ちます。

要約(オリジナル)

There is a current increase in the development of ‘4D’ Doppler-capable radar and lidar range sensors that produce 3D point clouds where all points also have information about the radial velocity relative to the sensor. 4D radars in particular are interesting for object perception and navigation in low-visibility conditions (dust, smoke) where lidars and cameras typically fail. With the advent of high-resolution Doppler-capable radars comes the possibility of estimating odometry from single point clouds, foregoing the need for scan registration which is error-prone in feature-sparse field environments. We compare several odometry estimation methods, from direct integration of Doppler/IMU data and Kalman filter sensor fusion to 3D scan-to-scan and scan-to-map registration, on three datasets with data from two recent 4D radars and two IMUs. Surprisingly, our results show that the odometry from Doppler and IMU data alone give similar or better results than 3D point cloud registration. In our experiments, the average position error can be as low as 0.3% over 1.8 and 4.5km trajectories. That allows accurate estimation of 6DOF ego-motion over long distances also in feature-sparse mine environments. These results are useful not least for applications of navigation with resource-constrained robot platforms in feature-sparse and low-visibility conditions such as mining, construction, and search & rescue operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google