Faster Optimization in S-Graphs Exploiting Hierarchy

要約

3D シーン グラフは、さまざまな環境エンティティをさまざまなレイヤーに適切に編成して環境を階層的に表します。
状況グラフに関するこれまでの研究では、ロボットのポーズとシーン グラフ エンティティを緊密に結合することで、3D シーン グラフの概念を SLAM に拡張し、最先端の結果を達成しました。
ただし、S-Graphs の制限の 1 つは、時間の経過とともにグラフ サイズが増加し、計算の複雑さが増加するため、非常に大規模な環境でのスケーラビリティにあります。
この研究でこの制限を克服するために、冗長なロボットのポーズと同じ構造エンティティの観察へのそれらの接続を排除することでグラフのサイズを縮小するために階層を利用する改良版の S-Graphs の初期研究を紹介します。
まず、部屋のような構造内のすべてのグラフ エンティティを包含する部屋ローカル グラフの生成と最適化を提案します。
これらのルームローカル グラフは、指定されたルーム内の冗長なロボット キーフレームを無視して S グラフを圧縮するために使用されます。
次に、圧縮されたグラフのウィンドウ局所最適化を一定の時間と距離の間隔で実行します。
圧縮されたグラフのグローバル最適化は、ループの終了が検出されるたびに実行されます。
ベースラインと比較して同様の精度を示し、ベースラインと比較して計算時間は 39.81% 削減されました。

要約(オリジナル)

3D scene graphs hierarchically represent the environment appropriately organizing different environmental entities in various layers. Our previous work on situational graphs extends the concept of 3D scene graph to SLAM by tightly coupling the robot poses with the scene graph entities, achieving state-of-the-art results. Though, one of the limitations of S-Graphs is scalability in really large environments due to the increased graph size over time, increasing the computational complexity. To overcome this limitation in this work we present an initial research of an improved version of S-Graphs exploiting the hierarchy to reduce the graph size by marginalizing redundant robot poses and their connections to the observations of the same structural entities. Firstly, we propose the generation and optimization of room-local graphs encompassing all graph entities within a room-like structure. These room-local graphs are used to compress the S-Graphs marginalizing the redundant robot keyframes within the given room. We then perform windowed local optimization of the compressed graph at regular time-distance intervals. A global optimization of the compressed graph is performed every time a loop closure is detected. We show similar accuracy compared to the baseline while showing a 39.81% reduction in the computation time with respect to the baseline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google