[論文レビュー] A General Framework for Multi-vehicle Cooperative Localization Using Pose Graph

Xiaotong Shen, Hans Jørgen Andersen+4 more|arXiv (Cornell University)|Apr 5, 2017

Vehicle License Plate Recognition参考文献 22被引用数 3

ひとこと要約

本稿では、車両間通信（V2V）から得られる空間的相対観測を統合する、多車両協調自己位置推定のための頑健で汎用的なフレームワークを提示する。車両識別を線形計画問題として定式化し、データ連携を通じてポーズ推定のあいまいさを解消することで、通信遅延、パケット損失、順不同受信に対しても、位置不確実性を最大0.46メートル、姿勢不確実性を2.9度まで低減し、独立自己位置推定と比較して精度と正確性が向上する。

ABSTRACT

When a vehicle observes another one, the two vehicles' poses are correlated by this spatial relative observation, which can be used in cooperative localization for further increasing localization accuracy and precision. To use spatial relative observations, we propose to add them into a pose graph for optimal pose estimation. Before adding them, we need to know the identities of the observed vehicles. The vehicle identification is formulated as a linear assignment problem, which can be solved efficiently. By using pose graph techniques and the start-of-the-art factor composition/decomposition method, our cooperative localization algorithm is robust against communication delay, packet loss, and out-of-sequence packet reception. We demonstrate the usability of our framework and effectiveness of our algorithm through both simulations and real-world experiments using three vehicles on the road.

研究の動機と目的

• 空間的相対観測を用いた多車両システムにおける自己位置推定の精度と正確性を向上させる協調自己位置推定フレームワークの開発。
• 同じ周波数帯を使用するため信号のみでは区別できない車両間通信における車両識別の課題に対処すること。
• 現実の走行状況における通信制約（遅延、パケット損失、順不同受信）に対しても耐性を持つこと。
• 相対ポーズ推定のあいまいさ（例：±90° または ±180° のヨーのあいまいさ）を、ポーズグラフに観測値を統合する前に解消すること。
• 従来のオドメトリとマップ測定に加え、車両間相対観測を含むより多くのセンシング測定値を統合することで、ポーズグラフベース自己位置推定の適用範囲を拡張すること。

提案手法

• センサ観測と通信メッセージを正確に紐付けるために、車両識別を線形計画（LP）問題として定式化し、正確なデータ連携を実現する。
• LIDAR などのセンサから得られる空間的相対観測値を、協調推定によりポーズのあいまいさを解消した後、ポーズグラフに統合する。
• 遅延または失われたメッセージに対してもグラフの接続性と耐性を維持するために、要因の合成／分解技術を採用する。
• 一般線形制約（GLC）を用いたグラフのマージナル化により、リアルタイム計算と効率的なポーズ推定を実現する。
• 遅延または順不同受信された測定値を処理するため、10秒の時間ウィンドウを用いたポーズグラフアプローチを採用する。
• オドメトリ、マップ測定、車両間相対観測を統合した要因グラフを構築し、最適なポーズ推定を実現する。

実験結果

リサーチクエスチョン

• RQ1 同じ周波数帯を使用するため信号のみでは区別できない状況下で、V2V通信における車両識別を信頼性高く行う方法は何か？
• RQ2 通信遅延、パケット損失、順不同メッセージ受信の下でも、ポーズグラフベースの協調自己位置推定が精度と耐性を維持できるか？
• RQ3 空間的相対観測が多車両システムにおける自己位置推定の正確性に与える影響は何か？
• RQ4 相対ポーズ推定のあいまいさ（例：±90° または ±180° のヨー）を、ポーズグラフに観測値を統合する前に解消する方法は何か？
• RQ5 提案フレームワークは、独立自己位置推定と比較して、自己位置推定の不確実性をどの程度低減するか？

主な発見

• 提案フレームワークは、3台の車両において、独立自己位置推定（IL）と比較して平均位置不確実性を0.46メートル、平均姿勢不確実性を2.9度低減した。
• 車両1では、協調自己位置推定（CL）手法により平均位置不確実性が0.33メートル、平均姿勢不確実性が2.77度にまで低下したのに対し、ILでは0.80メートルと6.24度であった。
• 通信遅延に対しても耐性を示し、最大遅延は39ミリ秒に留まり、10秒のポーズグラフウィンドウ内に平均遅延が収まっており、遅延メッセージの適切な統合が可能であった。
• 全メッセージタイプのパケットサイズは500バイト未満であり、リアルタイムのポーズグラフ更新に適した低遅延通信であることが確認された。
• 要因の合成／分解技術のおかげで、通信障害時でもポーズグラフの接続性と整合性が保たれた。
• 3台の車両を用いた実環境実験により、特にY字路やカーブ路など重要な交差点で顕著な不確実性低減が確認され、フレームワークの有効性が裏付けられた。