Towards View-invariant and Accurate Loop Detection Based on Scene Graph

要約

ループ検出は、蓄積された姿勢ドリフトを修正することにより、視覚的な同時位置特定とマッピング (SLAM) において重要な役割を果たします。
屋内シナリオでは、豊富に分散されたセマンティック ランドマークは視点不変であり、ループ検出において強力な記述力を保持します。
現在のセマンティック支援ループ検出では、セマンティック インスタンス間のトポロジを埋め込んでループを検索します。
しかし、現在のセマンティック支援ループ検出方法は、曖昧なセマンティック インスタンスや大幅な視点の違いに対処するという課題に直面しており、文献では十分に取り上げられていません。
この論文では、屋内シーンでの視覚的 SLAM を対象として、段階的に作成されたシーン グラフに基づく新しいループ検出方法を紹介します。
マクロビューのトポロジー、ミクロビューのトポロジー、およびセマンティック インスタンスの占有を共同で考慮して、正しい対応を見つけます。
ハンドヘルド RGB-D シーケンスを使用した実験では、私たちの方法が大幅に変更された視点でループを正確に検出できることが示されています。
同様のトポロジーと外観を持つオブジェクトを高い精度で観察します。
私たちの方法は、変化する屋内シーンでも堅牢であることも示しています。

要約(オリジナル)

Loop detection plays a key role in visual Simultaneous Localization and Mapping (SLAM) by correcting the accumulated pose drift. In indoor scenarios, the richly distributed semantic landmarks are view-point invariant and hold strong descriptive power in loop detection. The current semantic-aided loop detection embeds the topology between semantic instances to search a loop. However, current semantic-aided loop detection methods face challenges in dealing with ambiguous semantic instances and drastic viewpoint differences, which are not fully addressed in the literature. This paper introduces a novel loop detection method based on an incrementally created scene graph, targeting the visual SLAM at indoor scenes. It jointly considers the macro-view topology, micro-view topology, and occupancy of semantic instances to find correct correspondences. Experiments using handheld RGB-D sequence show our method is able to accurately detect loops in drastically changed viewpoints. It maintains a high precision in observing objects with similar topology and appearance. Our method also demonstrates that it is robust in changed indoor scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google