Neural Error Covariance Estimation for Precise LiDAR Localization

要約

自動運転車は、技術の進歩と交通手段を変革する可能性があるため、大きな注目を集めています。
この領域における重要な課題は、特にデータの縮退によりエラーが発生しやすい LiDAR ベースのマップ マッチングにおいて、正確な位置特定です。
カルマン フィルターなどのほとんどのセンサー フュージョン技術は、位置特定の精度を向上させるために各センサーの正確な誤差共分散推定に依存しています。
ただし、マップ マッチングの信頼できる共分散値を取得することは依然として複雑な作業です。
この課題に対処するために、LiDAR マップ マッチングにおける位置推定誤差の共分散を予測するためのニューラル ネットワーク ベースのフレームワークを提案します。
これを達成するために、誤差共分散推定用に特別に設計された新しいデータセット生成方法を導入します。
カルマン フィルターを使用した評価では、位置特定精度で 2 cm の向上を達成しました。これは、この領域での大幅な向上です。

要約(オリジナル)

Autonomous vehicles have gained significant attention due to technological advancements and their potential to transform transportation. A critical challenge in this domain is precise localization, particularly in LiDAR-based map matching, which is prone to errors due to degeneracy in the data. Most sensor fusion techniques, such as the Kalman filter, rely on accurate error covariance estimates for each sensor to improve localization accuracy. However, obtaining reliable covariance values for map matching remains a complex task. To address this challenge, we propose a neural network-based framework for predicting localization error covariance in LiDAR map matching. To achieve this, we introduce a novel dataset generation method specifically designed for error covariance estimation. In our evaluation using a Kalman filter, we achieved a 2 cm improvement in localization accuracy, a significant enhancement in this domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google