較正/移動ロボット2026/8/27arXiv:2608.26789

車輪型移動ロボットのためのステアリングオフセットと平面LiDAR外部パラメータのオンライン同時較正

Online Joint Calibration of Steering Offset and Planar LiDAR Extrinsics for Wheeled Mobile Robots

倉庫移動ロボットのステアリングオフセットとLiDAR外部パラメータを、拡張カルマンフィルタを用いてオンラインで同時推定する手法を提案し、実データで横方向誤差を大幅に低減できることを示した。

詳しい要約

1. どんなもの？

本論文は、車輪型移動ロボット（WMR）におけるステアリングオフセットと平面LiDARの外部パラメータ（extrinsics）をオンラインで同時校正する手法を提案している。従来の手動校正（例：PS4ジョイスティックで直進性を目視確認）やCADからの静的仮定に代わり、Extended Kalman Filter (EKF) を用いて、bicycle-kinematicsモデル内でこれらのパラメータを逐次推定する。これにより、倉庫内移動ロボットの経路追従精度（CTE）を向上させることを目指す。

2. 先行研究と比べてどこがすごい？

先行研究では、ステアリングオフセットとLiDAR外部パラメータは手動で設定されるか、CADから静的に仮定され、メンテナンス後のドリフトが考慮されていなかった。本手法は、これらの校正をオンラインで自動化し、EKFにより同時推定することで、手動手順に伴う誤差や時間コストを排除し、安全重要な環境での信頼性を向上させる点が新しい。

3. 技術・手法の肝は？

手法の核は、bicycle-kinematicsモデルに基づくEKFの設計である。状態ベクトルには、ロボットの姿勢（位置・方位）に加えて、ステアリングオフセットと平面LiDARの外部パラメータ（x, y, yaw）を含める。LiDARの観測（平面特徴）をモデルに統合し、EKFの更新ステップでこれらのパラメータを逐次推定する。これにより、走行中に校正が自動で行われる。

4. どうやって有効だと検証した？

実データセットを用いた実験で検証している。具体的には、ステアリングオフセットを補正することで、CTE（cross-track error）が大幅に低減することを示し、提案手法の有効性を確認している。

5. 議論はある？

要旨からは、提案手法の限界や他の環境での性能、EKFの初期値依存性、計算コスト、LiDARの観測モデルの詳細などは不明である。また、手動校正との比較実験の詳細や、オフセットが大きい場合の収束性についても言及がない。

6. 次に読むべき論文は？

要旨で参照されている研究は明示されていないが、関連する分野として、LiDAR外部パラメータのオンライン校正（例：LiDAR-to-vehicle calibration）や、EKFを用いた移動ロボットの自己位置推定・地図構築（SLAM）に関する論文が挙げられる。具体的には、"Online Extrinsic Calibration of LiDAR and Camera"や"Simultaneous Localization and Calibration"などの研究が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Subodh Mishra, Arindam Dhar, Suprotim Majumdar, Naveen Arulselvan

分類: cs.RO

原文アブストラクト

Accurate steering sensing and LiDAR-to-vehicle extrinsics are crucial for reliable path tracking in warehouse mobile robots (WMRs); miscalibration often leads to snaking, weaving, and elevated cross-track error (CTE). In practice, steering ``zero'' is commonly set manually (e.g., eyeballing straightness via a PS4 joystick), while LiDAR extrinsics are assumed from CAD and may drift after maintenance. Such static, manual procedures frequently cause miscalibration in safety-critical environments. This paper presents an Extended Kalman Filter (EKF)--based method for online estimation of steering offset and planar LiDAR extrinsics within a bicycle-kinematics model, providing a principled alternative to manual calibration. Experiments on real datasets show that correcting steering offset reduces CTE substantially, validating the effectiveness of the proposed approach.

arXivで原文を読む →arXiv概要ページ

← 論文一覧