MegaParticles：基于 GPU 加速 Stein 粒子滤波的范围型 6 自由度蒙特卡洛定位
机器人学
2024-04-26 v1
摘要
本文提出一种基于 GPU 加速的 6 自由度范围型蒙特卡洛定位方法，采用 Stein 粒子滤波。为更新大量粒子，我们提出一种基于 Gauss-Newton 的 Stein 可变分梯度下降（SVGD）方法，并结合迭代邻居粒子搜索。该方法利用 SVGD 在梯度和邻域信息下集体更新粒子状态，提供高效的粒子采样。为实现高效的邻居粒子搜索，该方法采用局部敏感哈希（locality sensitive hashing），并随时间迭代更新每个粒子的邻居列表。邻居列表随后用于在邻居粒子图上传播粒子的后验概率。该方法能够在单张 GPU 上实时评估一百万粒子，并在无初始姿态估计的情况下实现稳健的姿态初始化和重新定位。在实验中，该方法对完全传感器遮挡（即“绑架”）表现出极强的鲁棒性，并能够在无任何先验信息的情况下实现精准定位。
关键词
引用
@article{arxiv.2404.16370,
title = {MegaParticles: Range-based 6-DoF Monte Carlo Localization with GPU-Accelerated Stein Particle Filter},
author = {Kenji Koide and Shuji Oishi and Masashi Yokozuka and Atsuhiko Banno},
journal= {arXiv preprint arXiv:2404.16370},
year = {2024}
}
备注
IEEE International Conference on Robotics and Automation (ICRA2024)