PlaneSDF-based Change Detection for Long-term Dense Mapping

要約

ロボットが長時間活動するためには、複数のセッションにまたがる環境マップを処理できることが重要である。特に、現在の環境を矛盾なく理解するために、異なるセッションの地図間の変化を検出することが望ましい。本論文では、Plane Signed Distance Fields (PlaneSDF) と呼ばれる新しい地図表現に基づく変化検出の問題を検討する。この表現では、高密度地図がSDFボリューム内の平面とその関連幾何成分の集合として表現される。(1) PlaneSDFボリュームは、各シーン内でインスタンス化され、平面ポーズを使用してシーン間で登録される。(2) 高さマップをオブジェクトマップと比較・交差させ、ソースシーンの変更オブジェクト候補の2D変更位置マスクを作成する。(3)変化点マスクの洗練のために、オブジェクト候補ごとにSDFから得られた特徴を用いて3次元幾何学的検証を行う。本アプローチを合成データと実世界データの両方で評価し、変化したオブジェクトの検出というタスクを通じてその有効性を実証する。補足動画: https://youtu.be/oh-MQPWTwZI

要約(オリジナル)

The ability to process environment maps across multiple sessions is critical for robots operating over extended periods of time. Specifically, it is desirable for autonomous agents to detect changes amongst maps of different sessions so as to gain a conflict-free understanding of the current environment. In this paper, we look into the problem of change detection based on a novel map representation, dubbed Plane Signed Distance Fields (PlaneSDF), where dense maps are represented as a collection of planes and their associated geometric components in SDF volumes. Given point clouds of the source and target scenes, we propose a three-step PlaneSDF-based change detection approach: (1) PlaneSDF volumes are instantiated within each scene and registered across scenes using plane poses; 2D height maps and object maps are extracted per volume via height projection and connected component analysis. (2) Height maps are compared and intersected with the object map to produce a 2D change location mask for changed object candidates in the source scene. (3) 3D geometric validation is performed using SDF-derived features per object candidate for change mask refinement. We evaluate our approach on both synthetic and real-world datasets and demonstrate its effectiveness via the task of changed object detection. Supplementary video: https://youtu.be/oh-MQPWTwZI

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL