Robust Radar Platsigenkänning och Verifiering

Sammanfattning

En platsigenkänningsmetod ska kunna upptäcka när tidigare besökta platser besöks igen. Detta är en viktig del för navigering av autonoma fordon och mobila robotar. Genom att känna igen tidigare besökta platser, kan en bättre uppskattning av den nuvarande positionen och den tidigare körda vägen göras.Men, värdet av att känna igen platser kan försvinna om metoden ger felaktiga resultat. Detta sker om en icke-tidigare besökt plats blir klas-sificerad som besökt, eller om en faktiskt tidigare besökt plats inte känns igen. Dessa två fel kan betraktas som falsk positiva och falsk negativa. När det kommer till system som använder platsigenkänning så värderas falska positiva fel som betydlig värre. Så, för att reducera dessa fel så introduceras robust platsigenkänning.Detta projekt undersökte prestandan för en radarbaserad platsigenkän-ningsmetod Radar Scan Context [1]. Målet var att försöka förbät-tra robusthet (reducera antalet falska positiva) i metoden genom att addera ett ytterligt verifieringssteg. Genom att kombinera platsigenkän-ningsmetoden med en CorAl [2] som verifierar överlapp mellan två radar-bilder, så var tanken att falska positiva igenkänningar skulle minska.Två utvärderingar gjordes i detta projekt. Först testades enskilt Radar Scan Context metoden. Av denna utvärdering så konstaterades att metoden lyckades känna igen tidigare platser med varierande resultat. Resultatet varierade beroende på vilka parametrar som användes.Den andra utvärderingen gick ut på att testa prestandan med integra-tionen med CorAl verifieringen. Här bekräftades att robustheten kan ökas med detta extra steg. Dock, denna ökning var beroende på vilka parametervärden som användes, samt vilken miljö som testades.