Multi-Radar Inertial Odometry for 3D State Estimation using mmWave Imaging Radar

要約

状態推定は、カメラ、LiDAR、IMU などのセンサーに依存するロボット システムの実装を成功させるための重要なコンポーネントです。
ただし、現実のシナリオでは、これらのセンサーのパフォーマンスは、困難な環境によって低下します。
悪天候や低照度のシナリオ。
新しい 4D 画像レーダー技術は、悪条件下でも確実な認識を提供できます。
その可能性にもかかわらず、ノイズの多いレーダー データが明確な幾何学的特徴を示さない屋内環境では課題が残ります。
さらに、レーダー データの解像度と視野 (FOV) の不一致により、測定が不正確になる可能性があります。
これまでの研究では、ドップラー速度情報に基づいたレーダー慣性オドメトリが検討されてきましたが、レーダー センサーの FOV と解像度の不一致により、3D 運動の推定には課題が残されています。
この論文では、ドップラー速度測定の不確実性について取り上げます。
ドップラー速度の不確実性を管理しながら車体フレーム速度を最適化する方法を紹介します。
私たちの観察に基づいて、レーダー データの不一致という課題を軽減するデュアル イメージング レーダー構成を提案します。
高精度の 3D 状態推定を達成するために、固定ラグ平滑化最適化を使用してレーダー データと民生グレードの IMU センサーをシームレスに統合する戦略を導入します。
最後に、実世界の 3D モーション データを使用してアプローチを評価します。

要約(オリジナル)

State estimation is a crucial component for the successful implementation of robotic systems, relying on sensors such as cameras, LiDAR, and IMUs. However, in real-world scenarios, the performance of these sensors is degraded by challenging environments, e.g. adverse weather conditions and low-light scenarios. The emerging 4D imaging radar technology is capable of providing robust perception in adverse conditions. Despite its potential, challenges remain for indoor settings where noisy radar data does not present clear geometric features. Moreover, disparities in radar data resolution and field of view (FOV) can lead to inaccurate measurements. While prior research has explored radar-inertial odometry based on Doppler velocity information, challenges remain for the estimation of 3D motion because of the discrepancy in the FOV and resolution of the radar sensor. In this paper, we address Doppler velocity measurement uncertainties. We present a method to optimize body frame velocity while managing Doppler velocity uncertainty. Based on our observations, we propose a dual imaging radar configuration to mitigate the challenge of discrepancy in radar data. To attain high-precision 3D state estimation, we introduce a strategy that seamlessly integrates radar data with a consumer-grade IMU sensor using fixed-lag smoothing optimization. Finally, we evaluate our approach using real-world 3D motion data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google