Global Localization in Unstructured Environments using Semantic Object Maps Built from Various Viewpoints

要約

非構造化環境での車両のグローバル ローカリゼーションとガイド付き再ローカリゼーションのための新しいフレームワークを提示します。
既存の方法と比較して、私たちのパイプラインは、都市の備品 (レーン マーキング、建物など) からの手がかりに依存せず、車両が道路網をナビゲートする必要があるという仮定も行いません。
代わりに、車両のローカル セマンティック オブジェクト マップを、他の視点、期間、モダリティから構築される可能性があるコンパクトなセマンティック リファレンス マップに確実に関連付けて登録することにより、都市環境と非都市環境の両方でローカリゼーションを実現します。
グラフベースのデータ関連付けアルゴリズムにより、ノイズ、異常値、欠落オブジェクトに対する堅牢性が実現されます。
さらに、パイプラインのガイド付き再ローカリゼーション機能により、最初のグローバル ローカリゼーション後のオドメトリー ベースのローカリゼーションに固有のドリフトが軽減されます。
公開されている 2 つの実世界のデータセットでパイプラインを評価し、非都市環境と都市環境の両方でグローバル ローカリゼーションの有効性を実証します。
Katwijk Beach Planetary Rover データセットは、構造化されていない環境で正確なグローバル ローカリゼーションを実行するパイプラインの能力を示すために使用されます。
KITTI データセットのデモンストレーションでは、航空画像から作成された参照マップでローカライズを行うと、シーケンス 00 の 35 のローカリゼーション イベントすべてで 3.8m の平均ポーズ エラーが達成されます。
既存の作品と比較して、私たちのパイプラインは、さまざまな視点から構築されたマップを使用して、構造化されていない環境でグローバルなローカリゼーションを実行できるため、より一般的です。

要約(オリジナル)

We present a novel framework for global localization and guided relocalization of a vehicle in an unstructured environment. Compared to existing methods, our pipeline does not rely on cues from urban fixtures (e.g., lane markings, buildings), nor does it make assumptions that require the vehicle to be navigating on a road network. Instead, we achieve localization in both urban and non-urban environments by robustly associating and registering the vehicle’s local semantic object map with a compact semantic reference map, potentially built from other viewpoints, time periods, and/or modalities. Robustness to noise, outliers, and missing objects is achieved through our graph-based data association algorithm. Further, the guided relocalization capability of our pipeline mitigates drift inherent in odometry-based localization after the initial global localization. We evaluate our pipeline on two publicly-available, real-world datasets to demonstrate its effectiveness at global localization in both non-urban and urban environments. The Katwijk Beach Planetary Rover dataset is used to show our pipeline’s ability to perform accurate global localization in unstructured environments. Demonstrations on the KITTI dataset achieve an average pose error of 3.8m across all 35 localization events on Sequence 00 when localizing in a reference map created from aerial images. Compared to existing works, our pipeline is more general because it can perform global localization in unstructured environments using maps built from different viewpoints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google