面向不利条件下基于配准的安全定位地图认证

本文提出一种在存在 corrupted 测量时建模迭代最近点（ICP）算法鲁棒性的方法。在自动驾驶车辆语境下，认证定位过程的安全性是一大挑战。当机器人在复杂世界中演进时，各类噪声会影响测量。 conventionally，此噪声被假定为零均值高斯分布。然而，该假设在众多场景中不成立，包括不利天气条件、动态障碍物所致遮挡或地图的长期变化。这些情况下，测量反而受大型确定性故障影响。本文引入一闭式公式，近似 ICP 算法在遭受最不利测量时的位姿误差。利用该公式，我们开发了一种度量，用以认证并 pinpoint 环境中在测量故障存在时机器人更易 localization 失败的具体区域。