[논문 리뷰] CMU-GPR Dataset: Ground Penetrating Radar Dataset for Robot Localization and Mapping

Alexander Baikovitz, Paloma Sodhi외 2명|arXiv (Cornell University)|2021. 07. 15.

Geophysical Methods and Applications인용 수 8

한 줄 요약

이 논문은 GPS가 사용 불가능한 실내 환경에서 로봇 위치 추정 및 맵 작성에 사용할 수 있는 첫 번째 오픈소스 지반파속도 레이더(GPR) 데이터셋인 CMU-GPR 데이터셋을 소개한다. 이 데이터셋은 자체 제작한 로봇 플랫폼을 사용해 수집되었으며, 처리된 GPR 이미지와 신호 처리 및 서브맵 생성을 위한 유틸리티 코드를 통해 안정적인 지하 구조물 기반 위치 추정을 가능하게 하며, 저비용 오픈소스 GPR 하드웨어를 활용한 SLAM 및 재위치 추정 연구를 지원한다.

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.

연구 동기 및 목표

• GPS가 사용 불가능한 환경에서 로봇 항법 연구를 위한 공개된 고성능 GPR 데이터셋의 부족을 보완하기 위해.
• 표면 변화와 무관하게 안정적인 지하 구조물 특징을 GPR로 탐지함으로써 장기적인 안정적인 위치 추정을 가능하게 하기 위해.
• 표준화된 데이터셋과 처리 파이프라인을 제공함으로써 GPR를 활용한 同시 위치 결정 및 맵 작성(SLAM) 연구를 지원하기 위해.
• 원시 데이터, 지상 진실값, 유틸리티 코드를 공개함으로써 GPR 기반 인식 연구의 재현성 향상과 발전을 촉진하기 위해.

제안 방법

• 수동으로 이동시킨 SuperVision 플랫폼에 단일 채널 GPR, 자이로스코프, 휠 인코더, RGB 카메라, 지상 진실값을 확보하기 위한 로봇 토탈 스테이션을 장착하여 데이터를 수집하였다.
• 원시 GPR 신호는 고무밴드 보간, 배경 제거, 덴즈 필터링, 밴드패스 필터링, 시간 보정, SEC 이득 조정, 웨이블릿 노이즈 제거, 가우시안 필터링 등의 파이프라인을 통해 처리되었다.
• 처리된 1차원 GPR 트레이스는 일관된 공간 샘플링을 보장하기 위한 모듈식 이미지 구축 API를 사용하여 2차원 이미지 표현(레이더그램)으로 변환되었다.
• 처리된 이미지에 시간 기반 액세스와 서브맵 추출을 가능하게 하기 위해 고유한 메트릭 GPR 이미지 객체를 구현하였다.
• 학습 및 GPR 기반 위치 추정 모델 평가를 지원하기 위해 시퀀스에서 서브맵을 생성하는 유틸리티 스크립트를 개발하였다.
• 데이터셋은 3개의 실내 환경(지하주차장, 공장 플로어, 주차장)에서 총 15개의 경로 시퀀스로 구성되어 있으며, 지상 진실값은 로봇 토탈 스테이션을 통해 확보되었다.

실험 결과

연구 질문

• RQ1 저비용 오픈소스 단일 채널 GPR 시스템이 GPS가 사용 불가능한 환경에서 로봇 위치 추정에 적합한 안정적이고 반복 가능한 지하 구조물 특징을 제공할 수 있는가?
• RQ2 원시 1차원 트레이스나 3차원 포인트 클라우드에 비해 GPR 데이터의 2차원 이미지 표현 방식이 특징 추출 및 위치 추정에 얼마나 효과적인가?
• RQ3 요소 그래프 프레임워크 내에서 루프 클로징 시 드리프트를 보정함으로써 학습된 GPR 센서 모델이 위치 추정 정확도를 얼마나 향상시킬 수 있는가?
• RQ4 CMU-GPR 데이터셋이 일관된 지하 구조물 표현을 통해 GPR 기반 SLAM 시스템의 효과적인 학습 및 평가를 가능하게 할 수 있는가?
• RQ5 지하 구조물 구성의 환경적 변동성과 센서 노이즈가 GPR 기반 위치 추정 및 맵 작성 성능에 미치는 영향은 어느 정도인가?

주요 결과

• CMU-GPR 데이터셋은 3개의 GPS가 사용 불가능한 실내 환경에서 15개의 고유한 경로 시퀀스로 구성되어 있으며, 각 시퀀스는 다중 센서 데이터와 로봇 토탈 스테이션을 통한 지상 진실값이 동기화되어 있다.
• 신호 처리 파이프라인이 원시로 균일하지 않은 간격의 GPR 데이터를 균일하게 샘플링된 노이즈 제거된 2차원 레이더그램으로 성공적으로 변환하였다.
• 유틸리티 코드를 통해 전체 시퀀스에서 자동으로 서브맵을 생성할 수 있어, GPR 기반 위치 추정 모델의 학습 및 평가를 촉진한다.
• 반복 가능한 주행과 다양한 환경 조건에서 일관된 지하 구조물 특징을 제공함으로써, 재위치 추정 및 SLAM 연구를 지원한다.
• 지하 환경에서 고유하고 안정적인 특징을 식별하는 데 있어 원시 1차원 트레이스보다 2차원 이미지 표현 방식이 더 효과적인 것으로 확인되었다.
• 데이터셋과 관련 도구의 오픈소스 공개는 실세계 적용을 위한 안정적인 GPR 보조 항법 연구의 가속화가 기대된다.