Optimizing SLAM Evaluation Footprint Through Dynamic Range Coverage Analysis of Datasets

要約

Simultaneous Localization and Mapping (SLAM) は、多くのアプリケーションで使用されているため、進化し続ける問題と見なされています。
SLAM の評価は通常、公開されているデータセットを使用して行われますが、その数と難易度は増加しています。
各データセットは、SLAM の堅牢性と復元力を測定する上で重要な側面である、特定のレベルのダイナミック レンジ カバレッジを提供します。
このホワイト ペーパーでは、多くの特性評価指標に基づいて、データセットのダイナミック レンジ カバレッジの体系的な分析を提供します。この分析では、データセット内およびデータセット間の膨大なレベルの冗長性が示されています。
続いて、単一または複数のダイナミックレンジカバレッジ目標に一致するシーケンスのサブセットを選択することにより、SLAM の評価プロセスの冗長性を排除するための動的計画法 (DP) アルゴリズムを提案します。
データセットの特徴付けと DP 選択アルゴリズムの助けを借りて、同じレベルのカバレッジを維持しながら評価作業を削減できることが示されています。
また、提案された方法を利用して、実世界のSLAMシステムの評価プロセスを最適化する方法も研究します。

要約(オリジナル)

Simultaneous Localization and Mapping (SLAM) is considered an ever-evolving problem due to its usage in many applications. Evaluation of SLAM is done typically using publicly available datasets which are increasing in number and the level of difficulty. Each dataset provides a certain level of dynamic range coverage that is a key aspect of measuring the robustness and resilience of SLAM. In this paper, we provide a systematic analysis of the dynamic range coverage of datasets based on a number of characterization metrics, and our analysis shows a huge level of redundancy within and between datasets. Subsequently, we propose a dynamic programming (DP) algorithm for eliminating the redundancy in the evaluation process of SLAM by selecting a subset of sequences that matches a single or multiple dynamic range coverage objectives. It is shown that, with the help of dataset characterization and DP selection algorithm, a reduction in the evaluation effort can be achieved while maintaining the same level of coverage. We also study how the evaluation process of a real-world SLAM system can be optimized utilizing the method proposed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google