[論文レビュー] INSANE: Cross-Domain UAV Data Sets with Increased Number of Sensors for developing Advanced and Novel Estimators

Christian Brommer, Alessandro Fornasier+5 more|arXiv (Cornell University)|Oct 17, 2022

Robotics and Sensor-Based Localization被引用数 4

ひとこと要約

本論文は、複数のIMU、GNSS、UWB、カメラを含む18種類のセンサーを備えたクロスドメインUAVデータセットINSANEを紹介する。このデータセットは、高度な局所化とセンサフュージョン研究を目的として設計されており、屋内、屋外、火星に類似した環境においてセンチメートルレベルのRTK-GNSSおよびモーショングラブチャージャー地面真値を提供する。これにより、現実世界の条件下で長期的な自律飛行および新しい推定アルゴリズムの耐障害性テストが可能となる。

ABSTRACT

For real-world applications, autonomous mobile robotic platforms must be capable of navigating safely in a multitude of different and dynamic environments with accurate and robust localization being a key prerequisite. To support further research in this domain, we present the INSANE data sets - a collection of versatile Micro Aerial Vehicle (MAV) data sets for cross-environment localization. The data sets provide various scenarios with multiple stages of difficulty for localization methods. These scenarios range from trajectories in the controlled environment of an indoor motion capture facility, to experiments where the vehicle performs an outdoor maneuver and transitions into a building, requiring changes of sensor modalities, up to purely outdoor flight maneuvers in a challenging Mars analog environment to simulate scenarios which current and future Mars helicopters would need to perform. The presented work aims to provide data that reflects real-world scenarios and sensor effects. The extensive sensor suite includes various sensor categories, including multiple Inertial Measurement Units (IMUs) and cameras. Sensor data is made available as raw measurements and each data set provides highly accurate ground truth, including the outdoor experiments where a dual Real-Time Kinematic (RTK) Global Navigation Satellite System (GNSS) setup provides sub-degree and centimeter accuracy (1-sigma). The sensor suite also includes a dedicated high-rate IMU to capture all the vibration dynamics of the vehicle during flight to support research on novel machine learning-based sensor signal enhancement methods for improved localization. The data sets and post-processing tools are available at: https://sst.aau.at/cns/datasets

研究の動機と目的

• 現実世界の局所化研究に適したオープンで高精度で、複数の環境をカバーするUAVデータセットの不足を解消すること。
• フィルタによるアーチファクトが生じない、多様な環境（屋内、屋外、火星に類似した環境）における正確な生の地面真値を提供すること。
• GNSS利用可能領域とGNSS不可領域の間の遷移を含むクロスドメイン自律飛行の研究を支援すること。
• 高レートで振動に敏感なセンサーのデータを通じて、機械学習ベースのセンサ信号強化および状態推定手法の開発を可能にすること。
• EMIや信号劣化などの現実世界の環境要因が、視覚・インertial、UWB、マルチセンサフュージョンアルゴリズムの性能に与える影響を評価可能なベンチマークを提供すること。

提案手法

• 2台のRTK-GNSS、複数のIMU（高レートMEMSを含む）、ステレオカメラ、UWB、LRFを搭載したカスタムマイクロエアロダルビークル（MAV）を展開する。
• EMI遮蔽を施したカスタム設計の二本アンテナ型RTK-GNSSを用いて、水平方向1σで1 cm、垂直方向で2 cmの位置精度を達成する。
• 屋内での地面真値としてモーショングラブチャージャーを活用し、屋外から屋内への遷移部分のギャップを埋めるためにフィドーシャルマーカーフィールドを導入する。
• 2つの組み込みプラットフォームを用い、4つのストレージユニット（各々にSDおよびSSDを搭載）で高帯域幅の生センサデータを記録し、データスルーレートを最大化する。
• マーカー物体の関連付けを適用して、フィドーシャルマーカーの位置をRTK-GNSSおよびモーショングラブチャージャーのデータに一致させ、グローバルおよびローカルの地面真値の一貫性を確保する。
• 計算負荷のバランスとUSB3およびセンサインターフェースの帯域幅を最大限に活用するように、データ取得システムを設計する。

実験結果

リサーチクエスチョン

• RQ1 屋内、屋外、および天体模擬環境の3つの環境をカバーする統一的で、クロスドメインの局所化を可能にするUAVデータセットをどのように構築できるか？
• RQ2 遷移領域において、RTK-GNSS、モーショングラブチャージャー、フィドーシャルマーカーの組み合わせにより、どの程度の地面真値精度が達成できるか？
• RQ3 現実世界のセンサ効果（EMI、信号喪失、振動ダイナミクスなど）が、状態推定およびセンサフュージョン性能に与える影響はどのようなものか？
• RQ4 高レートIMUデータ（1 kHzで記録）は、機械学習ベースの信号強化および局所化アルゴリズムの性能をどの程度向上させられるか？
• RQ5 標準化され、オープンで拡張可能なデータセットフォーマットは、自律飛行アルゴリズムの長期的進化とベンチマークにどの程度貢献できるか？

主な発見

• 二本アンテナ型RTK-GNSSと効果的なEMI遮蔽を組み合わせることで、INSANEデータセットは水平方向1 cm、垂直方向2 cmのサブセンチメートルレベルの位置精度を達成している。
• フィドーシャルマーカーを介して、モーショングラブチャージャーによる屋内、GNSS搭載の屋外飛行、火星に類似した屋外飛行という3つの異なる環境で、地面真値がシームレスに統合されている。
• 1 kHzで記録された高レートIMUデータにより、振動ダイナミクスの詳細な分析が可能となり、将来的なセンサ信号強化およびノイズモデリングの研究を支援する。
• フィルタ処理を施さない生のセンサ測定値と地面真値が含まれており、フィルタ由来のアーチファクトが排除され、より信頼性の高いアルゴリズム検証が可能である。
• 4カ所のストレージ（2台の組み込みボードにそれぞれSDおよびSSDを搭載）で高帯域幅のデータストリームを正常に記録し、利用可能なインターフェース帯域幅を完全に活用した。
• データセットはオープンソースであり、拡張可能であり、将来的に新しいシナリオやセンサ構成を追加する計画であり、研究コミュニティにおける長期的有用性を確保している。