Long-Term Indoor Localization with Metric-Semantic Mapping using a Floor Plan Prior

要約

オブジェクトベースのマップは、環境の幾何学的情報と意味情報を統合し、自律型ロボットがオブジェクトを確実にローカライズして対話できるようにするため、シーンの理解に関連しています。
このホワイト ペーパーでは、長期的なオブジェクト ベースのローカリゼーションを目的として、メトリック セマンティック マップを構築するタスクについて説明します。
単眼RGBフレームからの3Dオブジェクト検出を、オブジェクトベースのマップ構築と、構築されたマップでのグローバルなローカライズの両方に活用します。
ターゲット環境に合わせてアプローチを調整するために、3D 注釈を生成して 3D オブジェクト検出モデルを微調整する効率的な方法を提案します。
オフィス ビルでマップの構築を評価し、同じ環境で 9 か月にわたって記録された挑戦的なシーケンスで、長期的なローカリゼーション アプローチをテストします。
実験は、私たちのアプローチがメトリック-セマンティック マップの構築に適していること、およびローカリゼーション アプローチが長期的な変化に対して堅牢であることを示唆しています。
マッピング アルゴリズムとローカリゼーション パイプラインの両方をオンボード コンピューターでオンラインで実行できます。
私たちのアプローチのオープンソース C++/ROS 実装をリリースします。

要約(オリジナル)

Object-based maps are relevant for scene understanding since they integrate geometric and semantic information of the environment, allowing autonomous robots to robustly localize and interact with on objects. In this paper, we address the task of constructing a metric-semantic map for the purpose of long-term object-based localization. We exploit 3D object detections from monocular RGB frames for both, the object-based map construction, and for globally localizing in the constructed map. To tailor the approach to a target environment, we propose an efficient way of generating 3D annotations to finetune the 3D object detection model. We evaluate our map construction in an office building, and test our long-term localization approach on challenging sequences recorded in the same environment over nine months. The experiments suggest that our approach is suitable for constructing metric-semantic maps, and that our localization approach is robust to long-term changes. Both, the mapping algorithm and the localization pipeline can run online on an onboard computer. We will release an open-source C++/ROS implementation of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google