Autonomous vehicle localization method based on an extended Kalman filter and geo-referenced landmarks

• Posso-Bautista, Breyner ^[1] ; Bacca-Cortés, Eval Bladimir ^[1] ; Caicedo-Bravo, Eduardo ^[1]
  1. [1] Universidad del Valle (Colombia)

     Universidad del Valle (Colombia)

     Colombia

     
• Localización: Revista de Investigación Desarrollo e Innovación: RIDI, ISSN 2027-8306, ISSN-e 2389-9417, Vol. 12, Nº. 1, 2022 (Ejemplar dedicado a: Enero-Junio), págs. 549-564
• Idioma: inglés
• Títulos paralelos:
  • Autonomous vehicle localization method based on an extended Kalman filter and geo-referenced landmarks
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Los vehículos autónomos se consideran una opción tecnológica viable para implementar el transporte de primera/última milla en las ciudades del mañana con alta densidad poblacional, y por ello es fundamental que cuenten con un sistema robusto de localización de los puntos de transporte de primera y última milla de las rutas, y de planificación y navegación de las mismas. En este artículo se presenta la implementación de un sistema de localización de estacionamientos al aire libre que utiliza un mapa basado en puntos de referencia georreferenciados (postes de señalización vial con cinta reflectiva) y un Filtro Kalman Extendido, alimentado tanto con información de odometría como de LiDAR 3D. El sistema fue evaluado en nueve rutas con distancias entre 85 m y 360 m, en las que se obtuvo un error entre la verdad de campo y la posición estimada por el algoritmo inferior a 0,3 m y 0,5 m para la posición en coordenadas X e Y, respectivamente. Los resultados muestran que se trata de un método prometedor que debería probarse en entornos más amplios utilizando puntos de referencia tanto naturales como artificiales.

  • English

    Autonomous vehicles are considered a viable technological option to implement first/last mile transportation in the cities of tomorrow with a high population density, and for this reason it is essential that they have a robust localization system for the routes first-mile transport and last-mile transport points, and the route’s planning and navigation. This article presents the implementation of an outdoor parking localization system which uses a map based on geo-referenced landmarks (road marking poles with reflective tape) and an Extended Kalman Filter, fed with both odometry and 3D LiDAR information. The system was evaluated in nine routes with distances between 85 m and 360 m, in which an error was obtained between the ground-truth and the algorithm’s estimated position below 0.3 m and 0.5 m for the position in X and Y coordinates, respectively. The results show that this is a promising method that should be tested in larger settings using both natural and artificial landmarks.