基于多视角语义目标地图的非结构化环境全局定位
机器人学
2023-10-27 v2
摘要
我们提出了一种用于车辆在非结构化环境中全局定位与引导式重定位的新框架。与现有方法相比，我们的流程不依赖城市设施线索（如车道线、建筑物），也不假设车辆必须在道路网络上行驶。相反，我们通过将车辆的局部语义目标地图与紧凑的语义参考地图进行鲁棒关联与配准，实现在城市与非城市环境中的定位，该参考地图可能由其他视角、时间段和/或模态构建。我们通过基于图的数据关联算法实现对噪声、离群点和缺失目标的鲁棒性。此外，我们的流程具备引导式重定位能力，可在初始全局定位后缓解基于里程计定位固有的漂移。我们在两个公开的真实世界数据集上评估了我们的流程，以证明其在非城市与城市环境中全局定位的有效性。Katwijk Beach Planetary Rover 数据集用于展示我们的流程在非结构化环境中执行精确全局定位的能力。在 KITTI 数据集上的实验表明，当在由航空图像创建的参考地图中定位时，在 Sequence 00 的全部 35 次定位事件中平均位姿误差为 3.8m。与现有工作相比，我们的流程更具通用性，因为它可以使用由不同视角构建的地图在非结构化环境中执行全局定位。
引用
@article{arxiv.2303.04658,
title = {Global Localization in Unstructured Environments using Semantic Object Maps Built from Various Viewpoints},
author = {Jacqueline Ankenbauer and Parker C. Lusk and Annika Thomas and Jonathan P. How},
journal= {arXiv preprint arXiv:2303.04658},
year = {2023}
}
备注
8 pages, 6 figures, presented at IROS 2023