Design of an Adaptive Lightweight LiDAR to Decouple Robot-Camera Geometry

要約

ロボットの知覚における基本的な課題は、センサーのポーズとロボットのポーズの結合である。このため、ロボットのポーズを変化させ、センサーを知覚に関心のある領域に向け直すアクティブビジョンの研究が行われている。さらに、ジッターのような自己運動や、風などの外的影響も知覚に影響するため、手ぶれ補正のようなソフトウェアの追加作業が必要となる。この影響は、一般的に軽量で大きなジッターの影響を受けるが、リアルタイムで安定化を実行する計算能力を持たないマイクロエアビークルやマイクロロボットにおいて特に顕著である。我々は、ロボットの動きとは無関係にLiDARの視野を変化させる新しい微小電気機械(MEMS)ミラーLiDARシステムを発表する。我々の設計は、LiDARの高価なコンポーネントを小型ロボットの外部に配置できる、小型で低消費電力のシステムで使用できる可能性がある。我々はシミュレーションとUAVに搭載されたプロトタイプのハードウェアで我々のアプローチの有用性を示す。私たちは、このLiDARとそのコンパクトな可動走査設計が、ロボットとセンサーの形状を切り離すメカニズムを提供し、ロボットの知覚を単純化できると考えています。また、IMUと外部オドメトリーフィードバックを使用した動作補正の例をハードウェアで実証します。

要約(オリジナル)

A fundamental challenge in robot perception is the coupling of the sensor pose and robot pose. This has led to research in active vision where robot pose is changed to reorient the sensor to areas of interest for perception. Further, egomotion such as jitter, and external effects such as wind and others affect perception requiring additional effort in software such as image stabilization. This effect is particularly pronounced in micro-air vehicles and micro-robots who typically are lighter and subject to larger jitter but do not have the computational capability to perform stabilization in real-time. We present a novel microelectromechanical (MEMS) mirror LiDAR system to change the field of view of the LiDAR independent of the robot motion. Our design has the potential for use on small, low-power systems where the expensive components of the LiDAR can be placed external to the small robot. We show the utility of our approach in simulation and on prototype hardware mounted on a UAV. We believe that this LiDAR and its compact movable scanning design provide mechanisms to decouple robot and sensor geometry allowing us to simplify robot perception. We also demonstrate examples of motion compensation using IMU and external odometry feedback in hardware.

arxiv情報

著者 Yuyang Chen,Dingkang Wang,Lenworth Thomas,Karthik Dantu,Sanjeev J. Koppal
発行日 2024-03-01 01:48:16+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO パーマリンク