Collaborative Dynamic 3D Scene Graphs for Automated Driving

要約

地図は安全な自動運転を実現するために不可欠な役割を果たしています。
SLAM からセマンティクスに至るまで、さまざまな分野で多くの進歩が見られますが、複数のエージェントからの都市の動的なシーンの実用的な階層的セマンティック表現を構築することは依然として困難な問題です。
この研究では、自動運転の多くの機能について高次の推論と効率的なクエリを可能にする Collaborative URBan Scene Graphs (CURB-SG) を紹介します。
CURB-SG は、複数のエージェントからのパノラマ LiDAR データを活用し、エージェント間のループ閉鎖を検出する効果的なグラフベースの協調 SLAM アプローチを使用して大規模マップを構築します。
取得した 3D マップを意味的に分解するために、自我エージェントの経路と他の車両のパノラマ観察からレーン グラフを構築します。
車線グラフの接続性に基づいて、環境を交差する道路エリアと交差しない道路エリアに分離します。
続いて、車線情報、静的ランドマークの位置と特定の地図セクションへの割り当て、エゴ エージェントによって観察された他の車両、および 3D パノプティック点群を含む SLAM からのポーズ グラフを含む多層シーン グラフを構築します。
私たちは、フォトリアリスティックなシミュレーターを使用して、都市シナリオで CURB-SG を広範囲に評価します。
コードは http://curb.cs.uni-freiburg.de でリリースされます。

要約(オリジナル)

Maps have played an indispensable role in enabling safe and automated driving. Although there have been many advances on different fronts ranging from SLAM to semantics, building an actionable hierarchical semantic representation of urban dynamic scenes from multiple agents is still a challenging problem. In this work, we present Collaborative URBan Scene Graphs (CURB-SG) that enable higher-order reasoning and efficient querying for many functions of automated driving. CURB-SG leverages panoptic LiDAR data from multiple agents to build large-scale maps using an effective graph-based collaborative SLAM approach that detects inter-agent loop closures. To semantically decompose the obtained 3D map, we build a lane graph from the paths of ego agents and their panoptic observations of other vehicles. Based on the connectivity of the lane graph, we segregate the environment into intersecting and non-intersecting road areas. Subsequently, we construct a multi-layered scene graph that includes lane information, the position of static landmarks and their assignment to certain map sections, other vehicles observed by the ego agents, and the pose graph from SLAM including 3D panoptic point clouds. We extensively evaluate CURB-SG in urban scenarios using a photorealistic simulator. We release our code at http://curb.cs.uni-freiburg.de.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google