より高速な位置決め:大規模環境における効率的で正確なライダベースのロボット位置決め【JST・京大機械翻訳】

Sun Li; Adolfsson Daniel; Magnusson Martin; Andreasson Henrik; Posner Ingmar; Duckett Tom

プレプリント

J-GLOBAL ID：202202203037000690 整理番号：22P0119097

より高速な位置決め:大規模環境における効率的で正確なライダベースのロボット位置決め【JST・京大機械翻訳】

Localising Faster: Efficient and precise lidar-based robot localisation in large-scale environments

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年03月03日プレプリントサーバーでの情報更新日： 2020年07月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,大規模環境における移動ロボットの大域的局所化のための新しいアプローチを提案した。提案手法は,学習ベースの位置決めとフィルタリングベースの局在化を活用し,深い学習分布を持つモンテカルロ局在化(MCL)のシーディングにより,ロボットを効率的かつ正確に位置決めする。特に,高速位置決めシステムは,深い確率モデル(深いカーネルによるGauss過程回帰)を通して6-DOF姿勢を迅速に推定し,次に,正確な再帰的推定器は,幾何学的アラインメントに従って推定ロボット姿勢を精密化する。さらに重要なことに,Gauss法(すなわち,深い確率的局在化)と非Gauss法(すなわちMCL)は,重要度サンプリングによって自然に統合できる。その結果,2つのシステムは,互いにシームレスに統合でき,互いに利益を得ることができる。提案フレームワークを検証するために,3Dライダーセンサによる大規模位置決めにおける事例研究を提供した。Michigan NCLT長期データセットに関する著者らの実験は,提案方法が,約0.5km ̄2の大規模環境において,精度0.75 ̄mで,平均で1.94s(中央値0.8s)でロボットを局所化できることを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

ロボットの運動・制御

, , ,

前のページに戻る