Fast and Accurate Deep Loop Closing and Relocalization for Reliable LiDAR SLAM

要約

ループの閉鎖と再局在化は、姿勢推定のドリフトと劣化に対処することで、信頼性が高く堅牢な長期 SLAM を確立するための重要な手法です。
この記事では、統一フレームワーク内でループの終了と再局在化を定式化することから始めます。
次に、両方のタスクに効果的に取り組むための新しいマルチヘッド ネットワーク LCR-Net を提案します。
新しい特徴抽出と姿勢認識アテンション メカニズムを利用して、LiDAR スキャンのペア間の類似性と 6-DoF 姿勢を正確に推定します。
最終的に、LCR-Net を SLAM システムに統合し、屋外運転環境で堅牢かつ正確なオンライン LiDAR SLAM を実現します。
私たちは、候補の検索、閉ループ点群の登録、複数のデータセットを使用した連続的な再局在化を含む、ループの閉成と再局在化から派生した 3 つのセットアップを通じて LCR-Net を徹底的に評価します。
結果は、LCR-Net が 3 つのタスクすべてにおいて優れており、最先端の手法を上回り、顕著な汎用化能力を示していることを示しています。
特に、当社の LCR-Net は、時間のかかる堅牢な姿勢推定器を使用せずにベースライン手法を上回っており、オンライン SLAM アプリケーションに適しています。
私たちの知る限りでは、LCR-Net の統合により、ディープ ループ クロージングと再ローカリゼーションの機能を備えた最初の LiDAR SLAM が誕生しました。
私たちのメソッドの実装はオープンソースになります。

要約(オリジナル)

Loop closing and relocalization are crucial techniques to establish reliable and robust long-term SLAM by addressing pose estimation drift and degeneration. This article begins by formulating loop closing and relocalization within a unified framework. Then, we propose a novel multi-head network LCR-Net to tackle both tasks effectively. It exploits novel feature extraction and pose-aware attention mechanism to precisely estimate similarities and 6-DoF poses between pairs of LiDAR scans. In the end, we integrate our LCR-Net into a SLAM system and achieve robust and accurate online LiDAR SLAM in outdoor driving environments. We thoroughly evaluate our LCR-Net through three setups derived from loop closing and relocalization, including candidate retrieval, closed-loop point cloud registration, and continuous relocalization using multiple datasets. The results demonstrate that LCR-Net excels in all three tasks, surpassing the state-of-the-art methods and exhibiting a remarkable generalization ability. Notably, our LCR-Net outperforms baseline methods without using a time-consuming robust pose estimator, rendering it suitable for online SLAM applications. To our best knowledge, the integration of LCR-Net yields the first LiDAR SLAM with the capability of deep loop closing and relocalization. The implementation of our methods will be made open-source.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google