GPS与语义地图坐标系间偏移的自标定以实现鲁棒定位
机器人学
2021-07-02 v2
摘要
在自动驾驶中，独立的GPS通常被认为定位精度不足以保持在车道内。相反，许多方法转向LIDAR定位，但这需要付出构建LIDAR地图的代价，而地图的维护成本可能很高。另一种可能性是利用车道线和交通灯等语义线索来实现定位，但这些线索通常无法持续可见。将语义线索与GPS结合以填补空缺可缓解此问题。然而，由于建图与定位之间的时间流逝，实时的GPS坐标系可能相对于语义地图坐标系发生偏移，需要进行标定。本文提出一种鲁棒的语义定位算法，该算法通过利用交通灯和车道标记等常见语义线索，对实时GPS与语义地图坐标系之间的偏移进行自标定。我们使用改进的迭代扩展卡尔曼滤波器来表述该问题，其中通过卷积神经网络融合GPS与相机图像以检测语义线索。实验结果表明，我们提出的算法达到了与典型LIDAR定位性能相当的分米级精度，并且对稀疏语义特征和频繁的GPS丢失具有鲁棒性。
引用
@article{arxiv.2105.12182,
title = {Self-Calibration of the Offset Between GPS and Semantic Map Frames for Robust Localization},
author = {Wei-Kang Tseng and Angela P. Schoellig and Timothy D. Barfoot},
journal= {arXiv preprint arXiv:2105.12182},
year = {2021}
}
备注
Accepted for publication in CRV 2021; corrected reference 4