要約
トンネルや長い廊下は、LiDAR 点群が縮退する可能性があるため、移動ロボットにとって困難な環境です。
点群の変性に取り組むために、この研究では、スキッド ステアリング ロボットのオンライン キャリブレーションを備えた、密結合された LiDAR-IMU ホイール オドメトリ アルゴリズムを紹介します。
我々は、完全な線形ホイール オドメトリ係数を提案します。これは、動作制約として機能するだけでなく、スキッド ステアリング ロボットの運動学モデルのオンライン キャリブレーションも実行します。
動的に変化する運動学モデル (タイヤの空気圧によるホイール半径の変化など) や地形条件にもかかわらず、私たちの方法はオンライン キャリブレーションを通じてモデルの誤差に対処できます。
さらに、私たちの方法は、LiDAR-IMU融合が十分に動作している間にキャリブレーションによって、長く直線的な廊下などの劣化した環境の場合でも正確な位置特定を可能にします。
さらに、合理的な制約を作成するために、ホイールオドメトリの不確実性 (つまり、共分散行列) をオンラインで推定します。
提案手法は 3 つの実験を通じて検証されました。
最初の屋内実験では、提案された方法が深刻な縮退の場合 (長い廊下) や車輪の半径の変化に対して堅牢であることが示されました。
2 番目の屋外実験では、車輪走行距離のオンライン推定の不確実性により、屋外の起伏の多い地形にあるにもかかわらず、私たちの方法がセンサーの軌道を正確に推定できることを示しています。
3 番目の実験では、提案されたオンライン キャリブレーションにより、変化する地形において堅牢なオドメトリ推定が可能になることが示されています。
要約(オリジナル)
Tunnels and long corridors are challenging environments for mobile robots because a LiDAR point cloud should degenerate in these environments. To tackle point cloud degeneration, this study presents a tightly-coupled LiDAR-IMU-wheel odometry algorithm with an online calibration for skid-steering robots. We propose a full linear wheel odometry factor, which not only serves as a motion constraint but also performs the online calibration of kinematic models for skid-steering robots. Despite the dynamically changing kinematic model (e.g., wheel radii changes caused by tire pressures) and terrain conditions, our method can address the model error via online calibration. Moreover, our method enables an accurate localization in cases of degenerated environments, such as long and straight corridors, by calibration while the LiDAR-IMU fusion sufficiently operates. Furthermore, we estimate the uncertainty (i.e., covariance matrix) of the wheel odometry online for creating a reasonable constraint. The proposed method is validated through three experiments. The first indoor experiment shows that the proposed method is robust in severe degeneracy cases (long corridors) and changes in the wheel radii. The second outdoor experiment demonstrates that our method accurately estimates the sensor trajectory despite being in rough outdoor terrain owing to online uncertainty estimation of wheel odometry. The third experiment shows the proposed online calibration enables robust odometry estimation in changing terrains.
arxiv情報
| 著者 | Taku Okawara,Kenji Koide,Shuji Oishi,Masashi Yokozuka,Atsuhiko Banno,Kentaro Uno,Kazuya Yoshida |
| 発行日 | 2024-09-05 08:40:01+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google