Global Localization in Unstructured Environments using Semantic Object Maps Built from Various Viewpoints

要約

我々は、非構造化環境における車両のグローバルローカリゼーションとガイド付き再ローカリゼーションのための新しいフレームワークを紹介します。
既存の方法と比較して、私たちのパイプラインは都市の設備 (車線境界線や建物など) からの合図に依存せず、車両が道路網上を移動することを必要とする仮定も行いません。
代わりに、車両のローカル意味論的オブジェクト マップを、他の視点、期間、および/またはモダリティから構築される可能性があるコンパクトな意味論的参照マップと強力に関連付けて登録することにより、都市環境と非都市環境の両方で位置特定を実現します。
ノイズ、異常値、欠落オブジェクトに対する堅牢性は、グラフベースのデータ関連付けアルゴリズムによって実現されます。
さらに、パイプラインのガイド付き再ローカリゼーション機能により、最初のグローバル ローカリゼーション後のオドメトリベースのローカリゼーションに固有のドリフトが軽減されます。
私たちは、公開されている 2 つの現実世界のデータセットに基づいてパイプラインを評価し、非都市環境と都市環境の両方におけるグローバルなローカリゼーションにおけるパイプラインの有効性を実証します。
Katwijk Beach Planetary Rover データセットは、非構造化環境で正確な全地球位置推定を実行するパイプラインの能力を示すために使用されます。
KITTI データセットでのデモンストレーションでは、航空画像から作成された参照マップでローカライズする際、シーケンス 00 の 35 個のローカライゼーション イベントすべてで平均 3.8 m の姿勢誤差を達成しました。
既存の作品と比較して、私たちのパイプラインは、さまざまな視点から構築されたマップを使用して非構造化環境でグローバルなローカリゼーションを実行できるため、より汎用的です。

要約(オリジナル)

We present a novel framework for global localization and guided relocalization of a vehicle in an unstructured environment. Compared to existing methods, our pipeline does not rely on cues from urban fixtures (e.g., lane markings, buildings), nor does it make assumptions that require the vehicle to be navigating on a road network. Instead, we achieve localization in both urban and non-urban environments by robustly associating and registering the vehicle’s local semantic object map with a compact semantic reference map, potentially built from other viewpoints, time periods, and/or modalities. Robustness to noise, outliers, and missing objects is achieved through our graph-based data association algorithm. Further, the guided relocalization capability of our pipeline mitigates drift inherent in odometry-based localization after the initial global localization. We evaluate our pipeline on two publicly-available, real-world datasets to demonstrate its effectiveness at global localization in both non-urban and urban environments. The Katwijk Beach Planetary Rover dataset is used to show our pipeline’s ability to perform accurate global localization in unstructured environments. Demonstrations on the KITTI dataset achieve an average pose error of 3.8m across all 35 localization events on Sequence 00 when localizing in a reference map created from aerial images. Compared to existing works, our pipeline is more general because it can perform global localization in unstructured environments using maps built from different viewpoints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google