Dr-PoGO: 直接レーダーポーズグラフ最適化

本論文は、2D spinning radar を用いた SLAM 手法 Dr-PoGO を提案する。カメラや lidar と異なり、millimetre-wave radar は dust, falling snow, rain などを透過して認識できるため、悪天候下でも robust な perception が可能である。既存の radar-based SLAM の多くは point cloud や feature 抽出に依存するが、Dr-PoGO は direct registration による odometry (DRO) と loop-closure registration を活用する。実装は公開されている。

既存の radar-based SLAM は point cloud や feature 抽出に依存するのに対し、Dr-PoGO は direct registration を odometry と loop-closure に用いる点が異なる。また、loop-closure 候補の検出に radar 特化の place recognition 手法 RaPlace を利用し、RaPlace が相対変換を提供しない問題を coarse-to-fine registration で補う。300km 以上の実世界データで state-of-the-art 性能を示した。

Dr-PoGO は direct radar odometry (DRO) と loop-closure registration を組み合わせる。loop-closure 候補は off-the-shelf の radar-focused place recognition アルゴリズム RaPlace から得る。RaPlace は相対変換を提供しないため、visual features と descriptors を用いた coarse-to-fine registration で初期推定を行い、direct transformation refinement を行う。最終的に pose-graph optimization で global trajectory を最適化する。

様々な実世界の automotive 環境で収集した 300km 以上のデータにおいて、Dr-PoGO が state-of-the-art 性能を達成することを示した。

要旨からは不明。

RaPlace (radar-focused place recognition) および direct registration を用いた radar odometry の関連研究。要旨で参照されているのは RaPlace のみ。