Upgrade to Pro — share decks privately, control downloads, hide ads and more …

[Introduction] googlecartographer

Sasaki
May 11, 2019

[Introduction] googlecartographer

Introduction of a thesis based on googlecartographer
論文Real-Time Loop Closure in 2D LIDAR SLAMの解説スライド

Sasaki

May 11, 2019
Tweet

Other Decks in Technology

Transcript

  1. 本論文 • Real-Time Loop Closure in 2D LIDAR SLAM -

    Google Cartographer の論文 - ICLA2016採択 - 論文だと二次元のみだが実装には三次元もあり SLAMシステムの構成 (移動ロボットの環境認識より引用) •概要 - フロントエンド グリッドベースのスキャンマッチング による逐次SLAM - バックエンド リアルタイム性のあるグラフベースSLAM 逐次SLAM グラフベースSLAM
  2. 逐次SLAM • グリッドベースのスキャンマッチング 確率格子(grid)M(rZ×rZ→[pmin,pmax])を 確率phit とpmiss で更新 • Scan-to-Map(S2M)の非線形最小二乗問題 値を範囲(low,

    high) 内に収める関数だが 論文だとhighしかない スキャン S2MのTransformation 網掛けと塗りつぶし:phit 網掛けのみ:pmiss S2Sに比べ、 累積誤差の軽減 スキャン点数 姿勢 バイキュービック補間でsmoothにしたM (R 2 → R) LIDAR r は論文の例では5cm
  3. グラフベースSLAM • Sparse Pose Adjustment(SPA)[1] - Levenberg-Marquardt(LM)法で更新が終わったサブマップ・ スキャンの姿勢間の制約からなるPose-Graphの最適化 - 制約の数はポーズ数に比例するだけなので、行列はスパース

    →スパース線形システム用に最適化されたコレスキー分解 ソルバーを用いる ρ:損失関数、E:残差、Σij:共分散、ξij:相対姿勢 ξ:サブマップの姿勢、 ξ :スキャンの姿勢 (例えば、損失関数ρはHuber損失を用いる) [1]Sparse Pose Adjustment for 2D Mapping,IROS 2010 制約
  4. グラフベースSLAM • 単純な探索アルゴリズム x,y,θの探索範囲でbest_scoreを全探索 探索範囲の例( Wx = Wy = 7

    m and Wθ = 30◦ ) 単純な探索は遅い→Generic branch and bound(分岐限定法)を使用
  5. グラフベースSLAM • Generic branch and bound(分岐限定法) ・元の問題を解くのではなく緩和問題を繰り返し解き、 厳密解を求める 緩和問題の例)xの解が0か1になる問題を、0<=x<=1として 解く

    ・分岐(branch):ノードの分割 ・限定(bound):分割された子ノードに対し、上限を求め、 求めた上限が暫定解の値以下なら、そのノードを分岐 させない(下限は今回考えない) ・ポイント 1)ノード選択 2)分岐(branching)規則 3)上限(upper bounds)の計算
  6. グラフベースSLAM • Generic branch and bound(分岐限定法) 2)分岐(branching)規則 ch> 1であるノードCは高さch-1の最大4個の子に分岐 ツリーの各ノード

    c =(cx、cy、cθ、ch)∈ 4 高さchのノードは 最大2ℎ× 2ℎ個の並進移動の組み合わせと 特定の回転を表す 葉ノードは高さch =0を有し、以下の解に対応 根ノードは固定の高さh0で初期ノードC0に分岐
  7. グラフベースSLAM • Generic branch and bound(分岐限定法) 3)上限(upper bounds)の計算 限定のために、計算量と範囲の質の 両方の観点から以下を使用

    効率的な計算のために、事前計算済みグリッド ℎ を使用 高さchごとにグリッドを事前計算することで、 スキャン数に線形比例した効率でスコアを計算
  8. まとめ • Real-Time Loop Closurer in 2D LIDAR SLAM -

    グリッドベースの逐次SLAMとリアルタイム性のあるグラフベース SLAM - Scan-to-Mapマッチングによって逐次SLAMの誤差累積低減 - Sparse Pose AdjustmentによるPose-Graphの最適化 - branch and boundによる高精度なマッチングでループクロージャ制約 を生成
  9. 参考にした資料 • 移動ロボットの環境認識 —地図構築と自己位置推定 - J-Stage • Sparse Pose Adjustment

    for 2D Mapping,IROS 2010 • B.2.3 分枝限定法 - 株式会社NTTデータ数理システム