Off the Radar: Uncertainty-Aware Radar Place Recognition with Introspective Querying and Map Maintenance

要約

周波数変調連続波 (FMCW) レーダーによる位置特定は、困難な環境に対する固有の耐性により、関心が高まっています。
ただし、レーダー測定プロセスの複雑なアーチファクトには、この有望なセンサー モダリティの安全で信頼性の高いアプリケーションを確保するために、適切な不確実性の推定が必要です。
この研究では、埋め込み空間で学習した分散特性に基づいて、さらなる位置特定のための最適なマップを構築するマルチセッション マップ管理システムを提案します。
同じ分散特性を使用して、不正確である可能性が高いローカリゼーション クエリを内省的に拒否する新しい方法も提案します。
このために、私たちは堅牢なノイズ認識メトリクス学習を適用します。これは、駆動パスに沿ったレーダー データの短時間スケールの変動性を活用し（データ拡張のため）、メトリクス空間ベースの場所認識における下流の不確実性を予測します。
オックスフォード レーダー RobotCar と MulRan データセットの広範な相互検証テストを通じて、この方法の有効性を証明します。
この点で、単一の最近傍クエリのみを使用する場合、レーダー位置認識やその他の不確実性を考慮した方法における現在の最先端のパフォーマンスを上回ります。
また、困難なテスト環境における不確実性に基づいてクエリを拒否した場合でも、一貫したパフォーマンスの向上が見られました。これは、競合する不確実性を認識する場所認識システムでは観察されませんでした。

要約(オリジナル)

Localisation with Frequency-Modulated Continuous-Wave (FMCW) radar has gained increasing interest due to its inherent resistance to challenging environments. However, complex artefacts of the radar measurement process require appropriate uncertainty estimation to ensure the safe and reliable application of this promising sensor modality. In this work, we propose a multi-session map management system which constructs the best maps for further localisation based on learned variance properties in an embedding space. Using the same variance properties, we also propose a new way to introspectively reject localisation queries that are likely to be incorrect. For this, we apply robust noise-aware metric learning, which both leverages the short-timescale variability of radar data along a driven path (for data augmentation) and predicts the downstream uncertainty in metric-space-based place recognition. We prove the effectiveness of our method over extensive cross-validated tests of the Oxford Radar RobotCar and MulRan dataset. In this, we outperform the current state-of-the-art in radar place recognition and other uncertainty-aware methods when using only single nearest-neighbour queries. We also show consistent performance increases when rejecting queries based on uncertainty over a difficult test environment, which we did not observe for a competing uncertainty-aware place recognition system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google