[論文レビュー] CMU-GPR Dataset: Ground Penetrating Radar Dataset for Robot Localization and Mapping

Alexander Baikovitz, Paloma Sodhi+2 more|arXiv (Cornell University)|Jul 15, 2021

Geophysical Methods and Applications被引用数 8

ひとこと要約

本論文は、GPS非利用の屋内環境においてロボットの局所化とマップ作成を目的とした、最初のオープンソースの地上レーダー（GPR）データセット「CMU-GPR」を紹介する。このデータセットは、独自開発のロボットプラットフォームを用いて収集されたもので、処理済みのGPR画像および信号処理とサブマップ生成のためのユーティリティコードを提供し、低価格の市販GPRハードウェアを用いたSLAMおよび再局所化研究を支援する。

ABSTRACT

There has been exciting recent progress in using radar as a sensor for robot navigation due to its increased robustness to varying environmental conditions. However, within these different radar perception systems, ground penetrating radar (GPR) remains under-explored. By measuring structures beneath the ground, GPR can provide stable features that are less variant to ambient weather, scene, and lighting changes, making it a compelling choice for long-term spatio-temporal mapping. In this work, we present the CMU-GPR dataset--an open-source ground penetrating radar dataset for research in subsurface-aided perception for robot navigation. In total, the dataset contains 15 distinct trajectory sequences in 3 GPS-denied, indoor environments. Measurements from a GPR, wheel encoder, RGB camera, and inertial measurement unit were collected with ground truth positions from a robotic total station. In addition to the dataset, we also provide utility code to convert raw GPR data into processed images. This paper describes our recording platform, the data format, utility scripts, and proposed methods for using this data.

研究の動機と目的

• GPS非利用環境におけるロボットナビゲーション研究のための公開可能で高品質なGPRデータセットの不足に対処すること。
• 表面の変化に依存しない安定した地下特徴をGPRで検出することで、長期間にわたる頑健な局所化を実現すること。
• 標準化されたデータセットと処理パイプラインを提供することで、GPRを用いた同時局所化と地図作成（SLAM）の研究を支援すること。
• 原始データ、真値、およびユーティリティコードの公開を通じて、GPRベースの認識分野における再現可能性と進展を促進すること。

提案手法

• 手動で引く方式のSuperVisionプラットフォームを用い、単一チャネルGPR、IMU、ホイールエンコーダ、RGBカメラ、およびロボット式総合測定機器（ロボット全站儀）を搭載し、真値を取得した。
• 原始GPR信号は、ゴムバンド補間、バックグラウンド除去、デウォー（dewow）フィルタリング、バンドパスフィルタリング、時間補正、SECゲイン、ウェーブレットノイズ除去、およびガウスフィルタリングを含むパイプラインで処理された。
• 処理済みの1次元GPRトレースは、一貫した空間サンプリングを実現するモジュラーアーキテクチャの画像生成APIを用いて2次元のレーダグラム（radargram）に変換された。
• 処理済みの画像への時間ベースのアクセスとサブマップ抽出を可能にするために、カスタムメトリックGPR画像オブジェクトが実装された。
• 全シーケンスからサブマップを自動生成できるユーティリティスクリプトが開発され、GPRベースの局所化モデルの学習および評価を支援した。
• データセットには、3つの屋内環境（地下、工場床、駐車場）における15のトラジェクトリーシーケンスが含まれており、真値はロボット式総合測定機器によって取得された。

実験結果

リサーチクエスチョン

• RQ1 低価格の市販単一チャネルGPRシステムは、GPS非利用環境におけるロボットの局所化に適した安定的で再現性のある地下特徴を提供できるか？
• RQ2 特徴抽出および局所化において、原始的な1次元トレースや3次元点群と比較して、GPRデータの2次元画像表現はどの程度効果的か？
• RQ3 要因グラフフレームワーク内でのループクロージャー時のドリフト補正を可能にする学習済みGPRセンサーモデルは、どの程度局所化精度を向上させられるか？
• RQ4 CMU-GPRデータセットは、一貫性のある地下構造表現を備えることで、GPRベースのSLAMシステムの効果的な学習および評価を可能にするか？
• RQ5 地下構造の組成の変動やセンサーノイズの変動は、GPRベースの局所化およびマップ作成の性能にどの程度影響を与えるか？

主な発見

• CMU-GPRデータセットには、3つのGPS非利用屋内環境における15の異なるトラジェクトリーシーケンスが含まれており、各シーケンスに同期されたマルチセンサデータとロボット式総合測定機器による真値が付随している。
• 信号処理パイプラインは、不規則にサンプリングされた原始GPRデータを、均一にサンプリングされノイズ低減された2次元レーダグラムに成功して変換した。
• ユーティリティコードにより、全シーケンスからサブマップの自動生成が可能となり、GPRベースの局所化モデルの学習および評価が促進された。
• 繰り返し走行可能なトラジェクトリと、異なる環境条件下でも一貫性のある地下特徴を提供するため、再局所化およびSLAM研究を支援する。
• GPRデータの2次元画像表現は、原始的な1次元トレースよりも、地下環境における一意で安定した特徴を特定するのにより効果的であることが判明した。
• 本データセットおよび関連ツールの公開により、実世界への展開に向けた頑健なGPR支援ナビゲーション分野の研究が加速すると期待される。