Locking On: Leveraging Dynamic Vehicle-Imposed Motion Constraints to Improve Visual Localization

要約

ほとんどの 6-DoF ローカリゼーションおよび SLAM システムは静的ランドマークを使用しますが、動的オブジェクトは一般的なパイプラインに有効に組み込むことができないため無視されます。
動的オブジェクトが組み込まれている場合、一般的なアプローチでは、これらのオブジェクトの比較的高度な識別と位置特定が試みられ、その堅牢性や一般的な有用性が制限されています。
この研究では、動的車両を使用して 6-DoF フレームごとの PnP-RANSAC 位置特定パイプラインで制限された姿勢制約情報を提供するという、自動運転車両のコンテキストで実証された中間点を提案します。
私たちは、動作モデルを使用して初期姿勢推定を改良し、自動運転車の動作が環境内の動的車両のフレーム間の相対位置によって制約されるかどうかに基づいてトリガーされる、将来の姿勢推定の予測品質を計算する方法を提案します。
。
私たちのアプローチは、これらのポーズ制約を定義してポーズ フィルターを変更するために適切な動的車両を検出および識別し、その結果、最先端のベースライン シングルと比較して、0.25 万ドルから 500 万ドルまでのローカリゼーション許容範囲全体で再現率が向上します。
画像 PnP メソッドとそのバニラ ポーズ フィルタリング。
当社の制約検出システムは、Ford AV データセット上で約 $35\%$ の時間アクティブであり、制約検出がアクティブな場合、位置特定が特に向上します。

要約(オリジナル)

Most 6-DoF localization and SLAM systems use static landmarks but ignore dynamic objects because they cannot be usefully incorporated into a typical pipeline. Where dynamic objects have been incorporated, typical approaches have attempted relatively sophisticated identification and localization of these objects, limiting their robustness or general utility. In this research, we propose a middle ground, demonstrated in the context of autonomous vehicles, using dynamic vehicles to provide limited pose constraint information in a 6-DoF frame-by-frame PnP-RANSAC localization pipeline. We refine initial pose estimates with a motion model and propose a method for calculating the predicted quality of future pose estimates, triggered based on whether or not the autonomous vehicle’s motion is constrained by the relative frame-to-frame location of dynamic vehicles in the environment. Our approach detects and identifies suitable dynamic vehicles to define these pose constraints to modify a pose filter, resulting in improved recall across a range of localization tolerances from $0.25m$ to $5m$, compared to a state-of-the-art baseline single image PnP method and its vanilla pose filtering. Our constraint detection system is active for approximately $35\%$ of the time on the Ford AV dataset and localization is particularly improved when the constraint detection is active.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google