Online Pole Segmentation on Range Images for Long-term LiDAR Localization in Urban Environments

要約

堅牢で正確なローカリゼーションは、モバイル自律システムの基本要件です。
交通標識、電柱、ランプなどの電柱状の物体は、その局所的な特徴と長期的な安定性により、都市環境でのローカリゼーションに頻繁に使用されるランドマークです。
このホワイトペーパーでは、オンラインで実行され、計算の必要がほとんどない幾何学的特徴に基づく、斬新で正確かつ高速な極抽出アプローチを紹介します。
私たちの方法は、3D LiDAR スキャンから生成された距離画像に対してすべての計算を直接実行します。これにより、3D 点群を明示的に処理することが回避され、スキャンごとに高速な極抽出が可能になります。
さらに、抽出された極を疑似ラベルとして使用して、オンラインの距離画像ベースの極セグメンテーション用にディープ ニューラル ネットワークをトレーニングします。
さまざまなLiDARスキャナー、ルート、および季節変化を使用して、さまざまなデータセットでローカリゼーションのために、幾何学的および学習ベースの極抽出方法の両方をテストします。
実験結果は、私たちの方法が他の最先端のアプローチよりも優れていることを示しています。
さらに、複数のデータセットから抽出された疑似極ラベルで強化された学習ベースの方法は、さまざまなデータセットで実行でき、ジオメトリベースの方法と比較してさらに優れたローカリゼーション結果を達成できます。
極データセットを公開して、極抽出器のパフォーマンスを評価し、アプローチを実装しました。

要約(オリジナル)

Robust and accurate localization is a basic requirement for mobile autonomous systems. Pole-like objects, such as traffic signs, poles, and lamps are frequently used landmarks for localization in urban environments due to their local distinctiveness and long-term stability. In this paper, we present a novel, accurate, and fast pole extraction approach based on geometric features that runs online and has little computational demands. Our method performs all computations directly on range images generated from 3D LiDAR scans, which avoids processing 3D point clouds explicitly and enables fast pole extraction for each scan. We further use the extracted poles as pseudo labels to train a deep neural network for online range image-based pole segmentation. We test both our geometric and learning-based pole extraction methods for localization on different datasets with different LiDAR scanners, routes, and seasonal changes. The experimental results show that our methods outperform other state-of-the-art approaches. Moreover, boosted with pseudo pole labels extracted from multiple datasets, our learning-based method can run across different datasets and achieve even better localization results compared to our geometry-based method. We released our pole datasets to the public for evaluating the performance of pole extractors, as well as the implementation of our approach.

arxiv情報

著者 Hao Dong,Xieyuanli Chen,Simo Särkkä,Cyrill Stachniss
発行日 2022-08-15 17:58:08+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク