Polar Metric-Weighted Norm-Based Scan Matching for Robot Pose Estimation
Polar Metric-Weighted Norm-Based Scan Matching for Robot Pose Estimation
复制标题
用于机器人姿态估计的基于极坐标加权规范的扫描匹配
DOI：
10.1155/2016/2028414
复制
发表时间：
2016-04
影响因子：
1.4
通讯作者：
Li, Jianqiang
中科院分区：
文献类型：
--
作者：
Zhao, Lijun;Wang, Ke;Li, Ruifeng;Li, Jianqiang
针对移动的机器人的位姿估计和地图构建问题，提出了一种新的点对点扫描匹配方法。极坐标扫描匹配（PSM）和基于度量的迭代最近点（Mb-ICP）通常用于点对点扫描匹配任务。然而，由于PSM考虑了参考和当前扫描的不相关区域中的极半径的分布相似性以及Mb-ICP在关于旋转角度的范数中假设恒定权重的事实，它们可能导致参考和当前扫描在现实场景中的不匹配。为了获得更好的匹配结果和准确的机器人位姿估计，我们引入了一个新的度量规则，极度量加权范数（PMWN），它考虑了旋转和平移来匹配参考和当前扫描。在机器人位姿估计中，首先根据对应关系建立结果估计航向旋转角，然后利用绝对值函数进行修正，最后利用PMWN的投影圆几何特性估计机器人平移量。大量的实验进行了评估的性能PMWN为基础的方法。实验结果表明，该方法在精度、效率和环路闭合误差方面优于PSM和Mb-ICP。
A novel point-to-point scan matching approach is proposed to address pose estimation and map building issues of mobile robots. Polar Scan Matching (PSM) and Metric-Based Iterative Closest Point (Mb-ICP) are usually employed for point-to-point scan matching tasks. However, due to the facts that PSM considers the distribution similarity of polar radii in irrelevant region of reference and current scans and Mb-ICP assumes a constant weight in the norm about rotation angle, they may lead to a mismatching of the reference and current scan in real-world scenarios. In order to obtain better match results and accurate estimation of the robot pose, we introduce a new metric rule, Polar Metric-Weighted Norm (PMWN), which takes both rotation and translation into account to match the reference and current scan. For robot pose estimation, the heading rotation angle is estimated by correspondences establishing results and further corrected by an absolute-value function, and then the geometric property of PMWN called projected circle is used to estimate the robot translation. The extensive experiments are conducted to evaluate the performance of PMWN-based approach. The results show that the proposed approach outperforms PSM and Mb-ICP in terms of accuracy, efficiency, and loop closure error of mapping.
登录
查看更多内容
DOI：
10.2316/journal.206.2012.2.206-3498
发表时间：
2012-05
期刊：
Int. J. Robotics Autom.
影响因子：
--
作者：
Yan Zhuang;Ke Wang;Wei Wang;Huosheng Hu
通讯作者：
Yan Zhuang;Ke Wang;Wei Wang;Huosheng Hu
DOI：
10.1109/34.121791
发表时间：
1992-02-01
影响因子：
23.6
作者：
BESL, PJ;MCKAY, ND
通讯作者：
MCKAY, ND
影响因子：
5.7
作者：
Anousaki, Georgia C.;Kyriakopoulos, Konstantinos J.
通讯作者：
Kyriakopoulos, Konstantinos J.
影响因子：
3.3
作者：
E. Tsardoulias;L. Petrou
通讯作者：
E. Tsardoulias;L. Petrou
DOI：
10.1109/robio.2014.7090717
发表时间：
2014-12
期刊：
2014 IEEE International Conference on Robotics and Biomimetics (ROBIO 2014)
影响因子：
--
作者：
Huo Guanglei;L. Ruifeng;Zhao Lijun;Wang Ke
通讯作者：
Huo Guanglei;L. Ruifeng;Zhao Lijun;Wang Ke