Core Concepts
本研究では、LiDARデータの劣化が著しい環境でも高精度な自己位置推定を実現するため、LiDAR-IMU-車輪オドメトリの融合と、スキッド操舵ロボットのキネマティックモデルのオンラインキャリブレーションを提案する。
Abstract
本研究では、LiDARデータの劣化が著しい環境でも高精度な自己位置推定を実現するため、以下の手法を提案している。
LiDAR-IMU-車輪オドメトリの融合
LiDARとIMUの融合によって短期的な自己位置推定の精度を向上させる
車輪オドメトリによって長期的な自己位置推定の精度を向上させる
スキッド操舵ロボットのキネマティックモデルのオンラインキャリブレーション
地形条件の変化や車輪の摩耗などによって変化するキネマティックパラメータをオンラインで推定・補正する
これにより、環境変化に対してロバストな自己位置推定を実現する
車輪オドメトリの不確かさの推定
地形の粗さに応じて車輪オドメトリの不確かさを推定し、最適化に反映させる
これにより、地形の変化に応じた適切な重み付けが可能となる
提案手法は、長大な廊下や屋外の荒れた地形といった、LiDARデータの劣化が著しい環境においても高精度な自己位置推定を実現できることを実験的に示している。
Stats
車輪オドメトリの誤差は、理想的な差動駆動モデルを用いた場合に比べ、提案手法のオンラインキャリブレーションを用いた場合の方が小さい。
車輪オドメトリの不確かさの推定結果から、屋外の粗い地形では、高さ、ロール、ピッチ方向の不確かさが大きくなっていることがわかる。