RaNDT SLAM: Radar SLAM Based on Intensity-Augmented Normal Distributions Transform

要約

レスキューロボット工学では、構造化されておらず、視覚が否定される可能性がある環境のため、認識アルゴリズムに高い要件が設定されています。
回転周波数変調連続波レーダーは、この種の環境における SLAM 用の新たなセンシング モダリティです。
ただし、レーダー SLAM の複雑なノイズ特性により、特に屋内のアプリケーションでは、計算要求が厳しく、処理速度が遅くなります。
この研究では、高速に動作し、正確なロボット軌道を生成する新しいレーダー SLAM フレームワークである RaNDT SLAM を紹介します。
この方法は、レーダー強度測定によって強化された正規分布変換に基づいています。
動き推定は、動きモデル、IMU データ、および強度拡張正規分布変換の登録の融合に基づいています。
新しいベンチマーク データセットと Oxford Radar RobotCar データセットで RaNDT SLAM を評価します。
新しいデータセットには、複数のセンシング モダリティ (LiDAR、レーダー、IMU) に加えて、屋内および屋外の環境が含まれています。

要約(オリジナル)

Rescue robotics sets high requirements to perception algorithms due to the unstructured and potentially vision-denied environments. Pivoting Frequency-Modulated Continuous Wave radars are an emerging sensing modality for SLAM in this kind of environment. However, the complex noise characteristics of radar SLAM makes, particularly indoor, applications computationally demanding and slow. In this work, we introduce a novel radar SLAM framework, RaNDT SLAM, that operates fast and generates accurate robot trajectories. The method is based on the Normal Distributions Transform augmented by radar intensity measures. Motion estimation is based on fusion of motion model, IMU data, and registration of the intensity-augmented Normal Distributions Transform. We evaluate RaNDT SLAM in a new benchmark dataset and the Oxford Radar RobotCar dataset. The new dataset contains indoor and outdoor environments besides multiple sensing modalities (LiDAR, radar, and IMU).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google