AutoMerge: A Framework for Map Assembling and Smoothing in City-scale Environments

要約

多数の地図セグメントを組み立てて完全な地図を作成するための LiDAR データ処理フレームワークである AutoMerge を紹介します。
従来の大規模な地図の結合方法は、誤ったデータの関連付けに対して脆弱であり、主にオフラインでのみ機能するように制限されています。
AutoMerge は、正確なデータ関連付けのためにマルチパースペクティブ フュージョンと適応ループ クロージャ検出を利用し、インクリメンタル マージを使用して、初期推定なしでランダムな順序で与えられた個々の軌跡セグメントから大きなマップを組み立てます。
さらに、セグメントを組み立てた後、AutoMerge は詳細なマッチングとポーズグラフの最適化を実行して、マージされたマップを全体的に滑らかにします。
都市規模のマージ (120km) とキャンパス規模の繰り返しマージ (4.5km x 8) の両方で AutoMerge をデモします。
実験では、AutoMerge が、(i) セグメント検索において 2 番目と 3 番目に優れた方法を 14% と 24% 再現率で上回り、(ii) 120 km の大規模地図アセンブリで同等の 3D マッピング精度を達成し、(iii)
時間的に間隔をあけた再訪問に対して堅牢です。
私たちの知る限り、AutoMerge は、GPS の助けを借りずに数百キロメートルの個々のセグメントを結合できる最初のマッピング アプローチです。

要約(オリジナル)

We present AutoMerge, a LiDAR data processing framework for assembling a large number of map segments into a complete map. Traditional large-scale map merging methods are fragile to incorrect data associations, and are primarily limited to working only offline. AutoMerge utilizes multi-perspective fusion and adaptive loop closure detection for accurate data associations, and it uses incremental merging to assemble large maps from individual trajectory segments given in random order and with no initial estimations. Furthermore, after assembling the segments, AutoMerge performs fine matching and pose-graph optimization to globally smooth the merged map. We demonstrate AutoMerge on both city-scale merging (120km) and campus-scale repeated merging (4.5km x 8). The experiments show that AutoMerge (i) surpasses the second- and third- best methods by 14% and 24% recall in segment retrieval, (ii) achieves comparable 3D mapping accuracy for 120 km large-scale map assembly, (iii) and it is robust to temporally-spaced revisits. To the best of our knowledge, AutoMerge is the first mapping approach that can merge hundreds of kilometers of individual segments without the aid of GPS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google