PADLoC: LiDAR-Based Deep Loop Closure Detection and Registration Using Panoptic Attention

要約

グラフベースの SLAM システムの重要なコンポーネントは、軌道内のループ クロージャを検出して、オドメトリから経時的に蓄積されたドリフトを減らす機能です。
ほとんどの LiDAR ベースの方法は、シーンのセマンティクスを無視して、幾何学的情報のみを使用してこの目標を達成します。
この作業では、LiDAR ベースの SLAM フレームワークでのジョイント ループ クロージャの検出と登録に PADLoC を導入します。
点群の照合と登録のための新しい変圧器ベースのヘッドを提案し、トレーニング時にパノラマ情報を活用します。
特に、セマンティック ラベルの分類タスクとして、およびインスタンス ラベルのグラフ接続割り当てとして、マッチング問題を再構成する新しい損失関数を提案します。
推論中、PADLoC はパノプティック アノテーションを必要としないため、他の方法よりも汎用性が高くなります。
さらに、ソースとターゲットの入力を入れ替えた 2 つの共有マッチングおよびレジストレーション ヘッドを使用すると、前後の一貫性が強化され、全体的なパフォーマンスが向上することがわかります。
最先端の結果を達成することを示す複数の実世界のデータセットで PADLoC の広範な評価を実行します。
私たちの作業のコードは、http://padloc.cs.uni-freiburg.de で公開されています。

要約(オリジナル)

A key component of graph-based SLAM systems is the ability to detect loop closures in a trajectory to reduce the drift accumulated over time from the odometry. Most LiDAR-based methods achieve this goal by using only the geometric information, disregarding the semantics of the scene. In this work, we introduce PADLoC for joint loop closure detection and registration in LiDAR-based SLAM frameworks. We propose a novel transformer-based head for point cloud matching and registration, and to leverage panoptic information during training time. In particular, we propose a novel loss function that reframes the matching problem as a classification task for the semantic labels and as a graph connectivity assignment for the instance labels. During inference, PADLoC does not require panoptic annotations, making it more versatile than other methods. Additionally, we show that using two shared matching and registration heads with their source and target inputs swapped increases the overall performance by enforcing forward-backward consistency. We perform extensive evaluations of PADLoC on multiple real-world datasets demonstrating that it achieves state-of-the-art results. The code of our work is publicly available at http://padloc.cs.uni-freiburg.de.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google