Динамические препятствия представляют собой значительную проблему в области автономной мобильной робототехники, поскольку они могут существенно повлиять на точность и надежность методов локализации. Данное исследование направлено на изучение влияния различных типов динамических препятствий на эффективность алгоритмов локализации в сложных средах. В данной работе были использованы симуляционные среды Gazebo и Webots для моделирования поведения автономных мобильных роботов в присутствии динамических препятствий различной природы, таких как движущиеся объекты, пешеходы и другие роботы. Исследовались алгоритмы локализации, основанные на фильтрах частиц (particle filters), расширенном фильтре Калмана (EKF) и graph-based методах. Эксперименты проводились в 5 различных сценариях, варьирующих по количеству и типу динамических препятствий. Оценка точности локализации производилась путем сравнения оцененной траектории робота с ground truth данными, полученными из симуляционной среды. Использовались метрики абсолютной траекторной ошибки (ATE) и относительной позиционной ошибки (RPE). Результаты экспериментов показали, что наличие динамических препятствий приводит к значительному снижению точности локализации для всех исследованных алгоритмов. Так, в сценариях с высокой плотностью движущихся объектов средняя ATE ошибка для методов на основе фильтра частиц возросла на 38.5% по сравнению со статической средой, а для graph-based подходов - на 29.3%. Использование дополнительной сенсорной информации, такой как данные лидаров и камер глубины, позволило частично компенсировать негативный эффект динамических помех и повысить точность локализации в среднем на 14.7%. Тем не менее ни один из рассмотренных алгоритмов не продемонстрировал полной робастности к динамике среды.
Dynamic obstacles are a significant problem in the field of autonomous mobile robotics, as they can significantly affect the accuracy and reliability of localization methods. This study is aimed at studying the influence of various types of dynamic obstacles on the effectiveness of localization algorithms in complex environments. In this work, the simulation environments of Gazebo and Webots were used to simulate the behavior of autonomous mobile robots in the presence of dynamic obstacles of various nature, such as moving objects, pedestrians and other robots. Localization algorithms based on particle filters, extended Kalman filter (EKF) and graph-based methods were studied. The experiments were conducted in 5 different scenarios, varying in the number and type of dynamic obstacles. The localization accuracy was assessed by comparing the estimated trajectory of the robot with ground truth data obtained from the simulation environment. The metrics of absolute trajectory error (ATE) and relative positional error (RPE) were used. The experimental results showed that the presence of dynamic obstacles leads to a significant decrease in localization accuracy for all the studied algorithms. Thus, in scenarios with a high density of moving objects, the average ATE error for particle filter-based methods increased by 38.5% compared to the static environment, and for graph-based approaches – by 29.3%. The use of additional sensory information, such as lidar and depth camera data, partially compensated for the negative effect of dynamic interference and increased localization accuracy by an average of 14.7%. Nevertheless, none of the considered algorithms demonstrated complete robustness to the dynamics of the environment.