泡泡一分鐘：A Multi-Position Joint Particle Filtering Method for Vehicle Localization in Urban Area

A Multi-Position Joint Particle Filtering Method for Vehicle Localization in Urban Area

城市車輛定位的多位置聯合粒子濾波方法

Shuxia Gu, Zhiyu Xiang*, Yi Zhang and Qi Qian

張寧

Abstract—Robust localization is a prerequisite for autonomous vehicles. Traditional visual localization methods like visual odometry suffer error accumulation on long range navigation. In this paper, a flexible road map based probabilistic filtering method is proposed to tackle this problem. To effectively match the ego-trajectory to various curving roads in map, a new representation based on anchor point (AP) which captures the main curving points on the trajectory is presented. Based on APs of the map and trajectory, a flexible Multi-Position Joint Particle Filtering (MPJPF) framework is proposed to correct the position error. The method features the capability of adaptively estimating a series of APs jointly and only updates the estimation at situations with low uncertainty.It explicitly avoids the drawbacks of obliging to determine the current position at large uncertain situations such as dense parallel road branches. The experiments carried out on KITTI benchmark demonstrate our success.

魯棒的定位是自動駕駛汽車的先決條件。 視覺里程計等傳統視覺定位方法在遠程導航中會產生偏差累積。 本文提出了一種基於機率濾波方法的靈敏路線圖來解決這一問題。 爲了有效地將自我軌跡與地圖中的各類彎曲道路相匹配，呈現了基於錨點（AP）的新表示，其捕獲軌跡上的主要彎曲點。 基於地圖和軌跡的AP，提出了一種靈活的多位置聯合粒子濾波（MPJPF）框架來校訂位置偏差。 該方法具備聯合自適應地估計一系列AP的能力，而且僅在具備低不肯定性的狀況下更新估計。 它明確地避免了在大的不肯定狀況下（例如密集的平行道路分支）必須肯定當前位置的缺點。 在KITTI基準測試中進行的實驗證實了咱們的成功。

本文提出了一種新的多位置聯合濾波方法，以減小航位推算定位方法（如視覺里程計）產生的累積漂移偏差。 爲了在參考地圖中穩健地定位彎曲軌跡，首先提出了一種有效的錨點(AP)呈現方式。 而後給出了整個MPJPF算法。 它可以自適應地更新AP位置，並具備在最不肯定條件下同時估計幾個AP的能力。 利用粒子濾波的機制，實現了可以很好地平衡局部VO和全局參考地圖的最佳位置結果。 此外，它僅須要輸入基本VO和簡單的道路水平參考圖，這使得它對於不少配備有低成本傳感器和有限計算能力的智能車輛流行。 實驗結果代表，不管軌跡多長或彎曲，咱們的方法都能有效地減小定位偏差。 它提供了一種新的有效方法，能夠在沒有GPS或其餘類型的絕對位置傳感器的幫助下進行長時間的車輛定位。