A comparative experimental study of LiDAR, camera and LiDAR-camera based localization algorithms for autonomous vehicles in urban environments

The technological evolution of logistics is leading to a great deal of research regarding autonomous robots for last-mile delivery. Such autonomous vehicles navigate in urban environments, and need the knowledge of their pose in order to navigate autonomously and plan a path that leads to destination, avoiding both static and dynamic obstacles. High-precision localization in urban environments is still an unsolved problem, and is one of the most studied topics nowadays, since the reliability of autonomous robots depends on the accuracy and robustness of their localization. To accomplish this task, many approaches have been devised, based on the use of sensors to perceive the surrounding environment and allow the robot to localize with high precision. The most popular approaches are based on LiDAR, that is very accurate, while with the rise in popularity of image analysis, camera-based approaches are being proposed frequently. Lastly, some algorithms combine LIDARs and cameras, trying to exploit the best of both worlds. This work proposes a comparative experimental benchmark of LiDAR, camera and LiDAR-camera based localization techniques in a real urban scenario. A large dataset was recorded in a typical urban area. A performance evaluation of all the proposed algorithms, analyzing their strengths and weaknesses is performed by comparing the localization results with a ground truth provided by two RTK-GPS. All the experiments were conducted on YAPE, a two-wheeled differential drive mobile robot designed for last mile delivery in urban environment, equipped with a 3D LIDAR, a stereocamera, odometric sensors and two RTK-GPS.

L'evoluzione tecnologica della logistica sta portando ad una grande ricerca nello sviluppo di robot autonomi per la last-mile delivery. Per navigare in ambienti urbani, questi veicoli devono conoscere la propria posizione e pianificare un percorso che li porti a destinazione evitando ostacoli, sia statici che dinamici. La localizzazione ad alta precisione negli ambienti urbani è ancora un problema irrisolto, ed è uno degli argomenti più studiati al giorno d'oggi, poiché l'affidabilità della navigazione autonoma dipende dalla precisione e dalla robustezza della localizzazione. Per risolvere questo problema, sono stati ideati molti algoritmi, che utilizzano diversi sensori per percepire l'ambiente circostante e consentire al robot di localizzarsi con alta precisione. Gli approcci più diffusi si basano su LiDAR, che è un sensore di distanza molto accurato, mentre con la crescita tecnologica nell' analisi delle immagini, sono stati ideati altri approcci basati sulle telecamere, che forniscono diverse informazioni riguardo le caratteristiche dell'ambiente. Infine, alcuni algoritmi combinano LIDAR e telecamere, cercando di sfruttare tutti i vantaggi di questi sensori. Questo lavoro propone un benchmark comparativo delle tre tecniche di localizzazione sopraelencate, (solo LiDAR, solo telecamera, entrambi) in uno scenario urbano. In questo lavoro è stato registrato un dataset in un'area urbana e sono state analizzate le prestazioni di tutti gli algoritmi proposti, valutandone i punti di forza e di debolezza. Tutti gli esperimenti sono stati condotti su YAPE, un robot mobile a due ruote, progettato per la last-mile delivery in ambienti urbani. Il robot è dotato di un LIDAR 3D, di una stereocamera e di sensori odometrici. Per eseguire un'analisi metodologicamente corretta, sono stati istallati su YAPE due GPS RTK, che svolgono la funzione di ground truth per gli esperimenti, con cui valutare le prestazioni di localizzazione.