因子グラフ最適化に基づく4Dレーダー慣性SLAM

SLAM（同時位置特定と地図作成）は自動運転において重要な役割を果たします。最近、4Dレーダーは3Dミリ波レーダーの限界を突破し、高解像度で対象の距離、速度、水平方向方位角、高度方位角を同時に検出できるため、広く注目されています。しかし、SLAMにおける4Dレーダーに関する研究はほとんどありません。本論文では、因子グラフ最適化に基づく4Dレーダー慣性SLAM手法RI-FGOを提案します。RANSAC（ランダムサンプルコンセンサス）法を使用して、単一スキャンから動的障害物点を排除し、静的点群から自己運動速度を推定します。GTSAMにおいて4Dレーダー速度因子を構築し、単一スキャンで推定された速度を測定値として受け取り、因子グラフに直接統合します。連続フレームの4Dレーダー点群は、オドメトリ因子としてマッチングされます。4Dレーダーのスパースでノイズの多い点群と視野により適した修正版スキャンコンテキスト法を提案し、可能なループを検出します。一般的なフロントエンドオドメトリとバックエンド最適化構造とは異なり、オドメトリ、ループ検出、グラフ最適化を因子グラフ内で実装した全体SLAMシステムを構築します。我々の手法を独自のデータセットと公的データセットでEKFRIOなどの主要手法と比較しました。同時に、4Dレーダー速度因子とオドメトリ因子の役割を示すためにアブレーション実験も行いました。実験により、我々の提案するSLAM手法は加速度計とジャイロスコープのバイアスをうまく収束させ、優れた精度を持つことが示されました。