A Self-Supervised Miniature One-Shot Texture Segmentation (MOSTS) Model for Real-Time Robot Navigation and Embedded Applications

要約

移動ロボットが屋内環境を安全に移動するには、走行可能エリア、つまり自由空間のセグメンテーションを決定することが重要です。
しかし、屋内空間には一貫した標識や構造物 (車線、縁石など) が存在しないため、移動ロボットには通過可能性を推定する負担が大きくかかります。
このペーパーでは、自己監視型ワンショット テクスチャ セグメンテーション フレームワークと RGB-D カメラを使用して、堅牢な運転可能エリア セグメンテーションを実現する方法について検討します。
開発されたモデル MOSTS は、高速な推論速度とコンパクトなサイズを備えており、リアルタイムのロボット ナビゲーションやさまざまな組み込みアプリケーションに最適です。
MOSTS のパフォーマンスを既存のワンショット テクスチャ セグメンテーション モデルと比較して、そのパフォーマンスを評価するベンチマーク調査が実施されました。
さらに、野外でテクスチャ セグメンテーションを実行する MOSTS の能力を評価するための検証データセットが構築され、以前は深度測定では検出できなかった低地にある小さな物体を効果的に識別しました。
さらに、この研究では、MOSTS のパフォーマンスを 2 つの最先端 (SOTA) 屋内セマンティック セグメンテーション モデルと定量的および定性的に比較しました。
その結果、MOSTS は屋内の走行可能エリアのセグメンテーションにおいて、同等の精度と最大 8 倍速い推論速度を提供することがわかりました。

要約(オリジナル)

Determining the drivable area, or free space segmentation, is critical for mobile robots to navigate indoor environments safely. However, the lack of coherent markings and structures (e.g., lanes, curbs, etc.) in indoor spaces places the burden of traversability estimation heavily on the mobile robot. This paper explores the use of a self-supervised one-shot texture segmentation framework and an RGB-D camera to achieve robust drivable area segmentation. With a fast inference speed and compact size, the developed model, MOSTS is ideal for real-time robot navigation and various embedded applications. A benchmark study was conducted to compare MOSTS’s performance with existing one-shot texture segmentation models to evaluate its performance. Additionally, a validation dataset was built to assess MOSTS’s ability to perform texture segmentation in the wild, where it effectively identified small low-lying objects that were previously undetectable by depth measurements. Further, the study also compared MOSTS’s performance with two State-Of-The-Art (SOTA) indoor semantic segmentation models, both quantitatively and qualitatively. The results showed that MOSTS offers comparable accuracy with up to eight times faster inference speed in indoor drivable area segmentation.

arxiv情報

著者 Yu Chen,Chirag Rastogi,Zheyu Zhou,William R. Norris
発行日 2023-06-15 02:12:45+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.RO パーマリンク