面向鲁棒流形上基于标签定位的标签安装误差随机建模
机器人学
2022-09-14 v1
摘要
包括无人机（UAV）在内的自主移动机器人因其在建筑领域的应用而受到显著关注。这些平台在自动化并提升诸多任务（如施工进度更新、巡检与监测）所需数据的质量与频次方面潜力巨大。鲁棒定位是自主机器人平台可靠部署的关键赋能因素。自动化机器人方案主要依赖全球定位系统（GPS）进行室外定位。然而室内 GPS 信号拒止，且常使用预建环境地图进行室内定位。这需要通过遥操作移动机器人在环境中生成高质量地图。该方法不仅耗时繁琐，且在室内建筑环境中并不可靠。布局随施工进度改变，需频繁建图以支持自主任务。此外，依赖视觉特征的视觉方案在场地低纹理与重复区域中的有效性受严重影响。为应对这些挑战，我们此前提出了一种使用 AprilTags 的低成本轻量基于标签的视觉-惯性定位方法。该方法中，标签为已知尺寸与位置的纸质可打印路标，表征环境的准地图。由于标签布设/更换为人工过程，其易受人因误差影响。本工作中，我们研究人工标签安装过程中的人因误差影响，并基于李群理论提出一种随机方法以考量该不确定性。借助蒙特卡洛仿真，我们实验表明，所提嵌入流形上表述的随机模型提升了对现场人工标签安装中不可避免缺陷的基于标签定位之鲁棒性与精度。
引用
@article{arxiv.2209.06050,
title = {Stochastic Modeling of Tag Installation Error for Robust On-Manifold Tag-Based Visual-Inertial Localization},
author = {Navid Kayhani and Brenda McCabe and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2209.06050},
year = {2022}
}
备注
Proc. of the Canadian Society of Civil Engineering Annual Conference (CSCE) 2022