以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# ORORA: Outlier-Robust Radar Odometry

論文地址：https://arxiv.org/abs/2303.01876

作者單位：KAIST

開源代碼：https://github.com/url-kaist/outlier-robust-radar-odometry

? ?Radar正在成為在極端天氣條件下感知周圍環(huán)境和估計(jì)運(yùn)動的解決方案。然而，Radar測量是有噪聲的，受到相互干擾，這降低了特征提取和匹配的性能，觸發(fā)不精確的匹配對，稱為異常值。為了解決離群點(diǎn)對Radar 里程計(jì)的影響，提出了一種新的離群點(diǎn)魯棒Radar里程計(jì)方法ORORA。為此，提出了一種基于梯度非凸性(GNC)的旋轉(zhuǎn)估計(jì)和各向異性分量平移估計(jì)(a - cote)的新解耦方法。此外，我們的方法利用了Radar測量的各向異性特征，每個(gè)測量在方位方向上的不確定度都比在徑向方向上的不確定度略大。在公共數(shù)據(jù)集上驗(yàn)證，與其他最先進(jìn)的方法相比，我們提出的方法達(dá)到了魯棒的運(yùn)動估計(jì)性能。

本文貢獻(xiàn)如下：

1、提出了一種新的基于解耦的離群值魯棒里程計(jì)，由基于gnc的旋轉(zhuǎn)估計(jì)和各向異性分量平移估計(jì)(A- cote)組成。

2、為此，在流形空間中對雷達(dá)測量的各向異性特征進(jìn)行數(shù)學(xué)建模，這些特征在方位方向上的不確定度大于徑向方向上的不確定度。

3、在實(shí)驗(yàn)中，盡管給出了不精確的特征對應(yīng)，但與最先進(jìn)的方法相比，我們的ORORA表現(xiàn)出了良好的性能，這證明了我們的ORORA對異常值的魯棒性。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容