論文の概要: Online Joint Calibration of Steering Offset and Planar LiDAR Extrinsics for Wheeled Mobile Robots

• arxiv url: http://arxiv.org/abs/2608.26789v1
• Date: Thu, 27 Aug 2026 08:19:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.311895
• Title: Online Joint Calibration of Steering Offset and Planar LiDAR Extrinsics for Wheeled Mobile Robots
• Title（参考訳）: 移動ロボットのステアリングオフセットと平面LiDARのオンライン連成校正
• Abstract要約: 本稿では,自転車運動モデルにおけるステアリングオフセットと平面LiDAR外在物のオンライン推定のための拡張カルマンフィルタ(EKF)を提案する。 実際のデータセットの実験では、ステアリングオフセットの修正はCTEを大幅に削減し、提案手法の有効性を検証している。
• 参考スコア（独自算出の注目度）: 0.23624125155742057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 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.
• Abstract（参考訳）: 正確なステアリングセンシングとLiDAR-to-vehicle extrinsicsは倉庫移動ロボット(WMR)の経路追跡に不可欠である。 実際には、'`zero' のステアリングは通常手動で設定される(例:PS4ジョイスティックで直視する)が、LiDARはCADから推定され、メンテナンス後にドリフトする可能性がある。 このような静的な手動の手順は、安全クリティカルな環境でしばしば誤校正を引き起こす。 本稿では,自転車運動モデルにおけるステアリングオフセットと平面LiDAR指数のオンライン推定のための拡張カルマンフィルタ (EKF) を用いて,手動キャリブレーションの原理的な代替手段を提供する。 実際のデータセットの実験では、ステアリングオフセットの修正はCTEを大幅に削減し、提案手法の有効性を検証している。

関連論文リスト

• Motion Cues from Image-based Point Tracking for LiDAR Scene Flow Estimation [59.420015367586615]
  我々は、LiDARシーンフロー推定における動的オブジェクト表現を改善するための追跡誘導フレームワークであるTrackCueを紹介する。 特に、TrackCueは、ポイントトラッキングを再利用して、LiDARポイントに固定された高密度の画像空間軌跡を得る。 TrackCueは動的ラベルの精度とF1スコアを大幅に向上し、自己監督型シーンフロー推定の性能向上につながることを示す。
  論文  参考訳（メタデータ） (2026-05-16T10:28:54Z)
• Adaptive Outer-Loop Control of Quadrotors via Reinforcement Learning [7.213232880886576]
  本研究では,新しい適応制御アーキテクチャを提案する。 まず、最適な外ループポリシーをトレーニングし、その後、地平線データへの依存をResidual Dynamics Predictorに置き換える。 データ効率のよい線形キャリブレーションブリッジとオンライン推力補正機構を導入する。
  論文  参考訳（メタデータ） (2026-05-15T14:49:58Z)
• Axle Sensor Fusion for Online Continual Wheel Fault Detection in Wayside Railway Monitoring [1.1199585259018456]
  本研究は,鉄道断層診断のためのセマンティック・アウェア,ラベル効率のよい連続学習フレームワークを提案する。 このモデルは、フラットやポリゴン化による小さな欠陥を検出しながら、進化する運用条件に適応する。
  論文  参考訳（メタデータ） (2026-02-18T00:14:18Z)
• Path Tracking with Dynamic Control Point Blending for Autonomous Vehicles: An Experimental Study [40.36217526625217]
  本稿では,輪車に沿った動的制御点に横方向制御コマンドを適用する自律走行車のための経路追跡フレームワークを提案する。 提案手法は,前軸または後軸の固定基準を強制するのではなく,連続的に補間する。 閉ループ追尾および後方操作の結果、軌道精度の向上、スムーズな操舵プロファイル、固定制御点ベースラインよりも適応性の向上が見られた。
  論文  参考訳（メタデータ） (2026-02-02T10:03:37Z)
• DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network [57.22935789233992]
  本稿では,オンライン方式で動作するLiDARカメラ外装キャリブレーションネットワークについて紹介する。 提案手法は,一般化可能性の観点から既存手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-01-03T13:57:01Z)
• RLCNet: An end-to-end deep learning framework for simultaneous online calibration of LiDAR, RADAR, and Camera [2.825460805162022]
  本稿では,LiDAR,RADAR,カメラセンサのオンライン校正を同時に行うための,エンドツーエンドのトレーニング可能な新しいディープラーニングフレームワークであるRCCNetを提案する。 重み付けされた移動平均と外れ値の拒絶を組み込んだオンラインキャリブレーションフレームワークを導入し、キャリブレーションパラメータの動的調整を可能にする。 一方,既存手法との比較では,提案手法の精度とロバスト性に優れていた。
  論文  参考訳（メタデータ） (2025-12-09T05:38:30Z)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• Tightly-Coupled LiDAR-IMU-Wheel Odometry with Online Calibration of a Kinematic Model for Skid-Steering Robots [18.94074811198885]
  トンネルと長い廊下は、これらの環境でLiDARポイントクラウドが縮退するので、移動ロボットにとって困難な環境である。 本研究では,スキッドステアリングロボットのオンラインキャリブレーションを用いた,密結合型LiDAR-IMUホイールオドメトリーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-03T07:07:29Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Accurate Alignment Inspection System for Low-resolution Automotive and Mobility LiDAR [125.41260574344933]
  車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。 提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
  論文  参考訳（メタデータ） (2020-08-24T17:47:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。