面向可靠自主赛车运动的冗余感知与状态估计
机器人学
2020-02-25 v1 计算机视觉与模式识别
摘要
在自主赛车运动中，车辆在接近操控极限的状态下运行，传感器故障可能带来严重后果。为降低此类故障的影响，本文提出了为一台自主赛车所开发的冗余感知与状态估计方法。感知冗余通过利用两种传感器模态独立地估计赛道边界物体的颜色与位置来实现。具体而言，采用基于学习的方法分别从 LiDAR 和相机数据生成颜色与位姿估计。冗余感知输入由一个基于粒子滤波、实时运行的 SLAM 算法进行融合。速度通过滑移动力学进行估计，并借助概率故障检测算法确保可靠性。各子模块在使用自主赛车“gotthard driverless”的真实赛车条件下进行了广泛评估，实现了高达 1.7G 的横向加速度与 90km/h 的最高速度。
引用
@article{arxiv.1809.10099,
title = {Redundant Perception and State Estimation for Reliable Autonomous Racing},
author = {Nikhil Bharadwaj Gosala and Andreas Bühler and Manish Prajapat and Claas Ehmke and Mehak Gupta and Ramya Sivanesan and Abel Gawel and Mark Pfeiffer and Mathias Bürki and Inkyu Sa and Renaud Dubé and Roland Siegwart},
journal= {arXiv preprint arXiv:1809.10099},
year = {2020}
}
备注
7 pages, 21 figures, submitted to the International Conference on Robotics and Automation 2019, for accompanying video visit https://www.youtube.com/watch?v=ir_uqEYuT84