Loop Closure Detection Based on Object-level Spatial Layout and Semantic Consistency

要約

タイトル：オブジェクトレベルの空間レイアウトと意味の一貫性に基づくループクロージャー検出

要約：
– SLAMシステムは、大きな視点変化の状況でのループクロージャー検出に課題を抱えています。
– この論文では、3Dシーングラフの空間レイアウトと意味的な一貫性に基づくオブジェクトベースのループクロージャー検出手法を提案しています。
– まず、セマンティックラベル、IoU(intersection over union)、オブジェクトカラー、オブジェクト埋め込みから得られる意味情報に基づくオブジェクトレベルのデータ関連付けアプローチを提案しています。
– 次に、関連するオブジェクトを使用したマルチビューバンドル調整を実行し、オブジェクトとカメラの姿勢を共同で最適化します。
– その後、改良されたオブジェクトを意味とトポロジのある3D空間グラフとして表現し、グラフマッチングアプローチを提案しています。
– 最後に、オブジェクトレベルのポーズグラフ最適化によってカメラの軌跡とオブジェクトの姿勢を共同で最適化し、グローバルに一貫性のあるマップを作成します。
– 実験結果は、提案されたデータ関連付けアプローチがより正確な3Dセマンティックマップを構築でき、ループクロージャー方法が大きな視点変化の状況でも点ベースとオブジェクトベースの方法よりも堅牢であることを示しています。

要約(オリジナル)

Visual simultaneous localization and mapping (SLAM) systems face challenges in detecting loop closure under the circumstance of large viewpoint changes. In this paper, we present an object-based loop closure detection method based on the spatial layout and semanic consistency of the 3D scene graph. Firstly, we propose an object-level data association approach based on the semantic information from semantic labels, intersection over union (IoU), object color, and object embedding. Subsequently, multi-view bundle adjustment with the associated objects is utilized to jointly optimize the poses of objects and cameras. We represent the refined objects as a 3D spatial graph with semantics and topology. Then, we propose a graph matching approach to select correspondence objects based on the structure layout and semantic property similarity of vertices’ neighbors. Finally, we jointly optimize camera trajectories and object poses in an object-level pose graph optimization, which results in a globally consistent map. Experimental results demonstrate that our proposed data association approach can construct more accurate 3D semantic maps, and our loop closure method is more robust than point-based and object-based methods in circumstances with large viewpoint changes.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI