Was haben Sie herausgefunden?
Die Radar-Odometrie, bei der die Bewegung eines Roboters relativ zu einer vorherigen Position mit Hilfe von Radarsignalen bestimmt wird, war in der Vergangenheit durch die Schwierigkeiten bei der Interpretation komplexer Daten eingeschränkt. Der wichtigste Beitrag dieser Arbeit ist eine Methode zur Erreichung einer außergewöhnlichen Präzision bei der Radar-Odometrie mit sich drehenden Radarsensoren. Im Gegensatz zu herkömmlichen Methoden, die sich ausschließlich auf Punkt-zu-Linie-Vergleiche zwischen zwei Zeitpunkten stützen, integriert CFEAR Punkt-zu-Punkt-Vergleiche aus mehreren aufeinanderfolgenden Radarscans, um hochpräzise Odometrieschätzungen zu liefern, wobei die Anzahl der Scans als Variable dient, die angepasst werden kann, um ein Gleichgewicht zwischen Geschwindigkeit und Genauigkeit herzustellen.
Diese Methode ermöglicht es den Robotern, selbst in Umgebungen mit starkem Rauch, Staub oder Nebel zu navigieren - Bedingungen, die LiDAR und Kameras untauglich machen. Beeindruckenderweise erreichte der Algorithmus eine Drift von nur 1,09 % und setzte damit einen neuen Maßstab für die Leistung der Odometrie.
Was waren die größten Herausforderungen?
Die Interpretation von Radardaten ist komplex. Im Vergleich zu Kameras oder LiDAR-Systemen erzeugt Radar eine große Menge an Daten, die schwer zu interpretieren sind, da sie durch Mehrfachreflexionen und Rauschen beeinflusst werden können. KI-Methoden, die üblicherweise zur Verarbeitung solcher Daten eingesetzt werden, lassen sich oft nur schwer über verschiedene Umgebungen hinweg verallgemeinern. Deshalb haben wir uns für einen eher klassischen Ansatz entschieden, der den Vorteil hat, dass er sehr effizient, übertragbar und erklärbar ist.
Welchen praktischen Nutzen haben Ihre Forschungsergebnisse?
Die Forschungsergebnisse haben mehrere praktische Anwendungen. Bei Such- und Rettungseinsätzen können Roboter, die das CFEAR-System nutzen, in Umgebungen mit schlechter Sicht navigieren, z. B. in brennenden Gebäuden oder Katastrophengebieten, und dabei helfen, Überlebende zu finden oder die Sicherheit von Gebäuden zu beurteilen. In industriellen und landwirtschaftlichen Umgebungen können radargesteuerte Roboter effizient arbeiten, selbst unter staubigen Bedingungen wie in Fabriken oder auf landwirtschaftlichen Feldern, wo herkömmliche Sensoren Schwierigkeiten haben könnten.
Künftige Arbeiten zielen darauf ab, kostengünstige Radartechnologien und das Potenzial des Doppler-Radars zu erforschen, das die Entfernung misst und auch die Geschwindigkeit von sich bewegenden Objekten erfasst. Die Open-Source-Verfügbarkeit des CFEAR-Algorithmus lädt Forscher und Industrie weltweit dazu ein, diesen vielversprechenden Ansatz anzupassen und zu erweitern.
Publikation
Lidar-Level Localization With Radar? The CFEAR Approach to Accurate, Fast, and Robust Large-Scale Radar Odometry in Diverse Environments; Daniel Adolfsson, Martin Magnusson, Anas Alhashimi, Achim J. Lilienthal, Henrik Andreasson; IEEE Transactions on Robotics; 2024