An indoor DSO-based ceiling-vision odometry system for indoor industrial environments

要約

屋内の産業環境で動作する自律移動ロボットには、信頼性が高く堅牢な位置特定システムが必要です。
ビジュアル オドメトリ (VO) はロボットの状態を合理的に推定できますが、シーン内の動的なオブジェクトに直面した場合、従来の VO 方法では課題に直面します。
あるいは、上向きカメラを利用して、静的で一定の空間を表す天井に対するロボットの動きを追跡することもできます。
本稿では、Direct Sparse Odometry (DSO) に基づく天井ビジョン システム Ceiling-DSO を紹介します。
他の天井ビジョン システムとは異なり、Ceiling-DSO は DSO の多用途な定式化を利用し、天井の観察可能な形状やランドマークについての仮定を回避します。
このアプローチにより、さまざまなタイプの天井にこの方法を適用できることが保証されます。
天井ビジョン用の公的に利用可能なデータセットが存在しないため、現実世界のシナリオでカスタム データセットを作成し、それを使用してアプローチを評価しました。
DSO パラメータを調整することで、オンライン姿勢推定の最適な適合を特定し、その結果、グランド トゥルースと比較して許容可能なエラー率が得られました。
本稿では、得られた結果の定性的および定量的分析を提供します。

要約(オリジナル)

Autonomous Mobile Robots operating in indoor industrial environments require a localization system that is reliable and robust. While Visual Odometry (VO) can offer a reasonable estimation of the robot’s state, traditional VO methods encounter challenges when confronted with dynamic objects in the scene. Alternatively, an upward-facing camera can be utilized to track the robot’s movement relative to the ceiling, which represents a static and consistent space. We introduce in this paper Ceiling-DSO, a ceiling-vision system based on Direct Sparse Odometry (DSO). Unlike other ceiling-vision systems, Ceiling-DSO takes advantage of the versatile formulation of DSO, avoiding assumptions about observable shapes or landmarks on the ceiling. This approach ensures the method’s applicability to various ceiling types. Since no publicly available dataset for ceiling-vision exists, we created a custom dataset in a real-world scenario and employed it to evaluate our approach. By adjusting DSO parameters, we identified the optimal fit for online pose estimation, resulting in acceptable error rates compared to ground truth. We provide in this paper a qualitative and quantitative analysis of the obtained results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google