GeoLCR: Attention-based Geometric Loop Closure and Registration

要約

SLAM (同時ローカリゼーションとマッピング) アプリケーションの学習ベースのループ閉鎖のための新しいアルゴリズムを提示します。
私たちのアプローチは、ライダーからのものを含む一般的な 3D 点群データ用に設計されており、自動運転の時間の経過とともに蓄積されたドリフトを防ぐために使用されます。
点群を粗いボクセルにボクセル化し、オーバーラップを計算して、車両がループで走行しているかどうかを推定します。
現在のポーズを正確に計算するために、ポイント レベルのレジストレーションを実行します。
最後に、ファクター グラフを使用して、車両の軌道に沿って異なる重みでポーズを変更し、マップを更新および変更します。
よく知られているデータセット KITTI、KITTI-360、Nuscenes、Complex Urban、NCLT、および MulRan に対するアプローチを評価しました。
平行移動と回転のより正確な推定を示します。
いくつかの困難なシーケンスでは、私たちの方法は 100% の成功率を得ることができる最初のアプローチです。

要約(オリジナル)

We present a novel algorithm for learning-based loop-closure for SLAM (simultaneous localization and mapping) applications. Our approach is designed for general 3D point cloud data, including those from lidar, and is used to prevent accumulated drift over time for autonomous driving. We voxelize the point clouds into coarse voxels and calculate the overlap to estimate if the vehicle drives in a loop. We perform point-level registration to compute the current pose accurately. Finally, we use factor graphs to modify the poses with different weights along the trajectory of the vehicle to update and modify the map. We have evaluated our approach on well-known datasets KITTI, KITTI-360, Nuscenes, Complex Urban, NCLT, and MulRan. We show more accurate estimation of translation and rotation. On some challenging sequences, our method is the first approach that can obtain a 100% success rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google