SemanticTopoLoop: Semantic Loop Closure With 3D Topological Graph Based on Quadric-Level Object Map

要約

ループ クロージャは、SLAM の重要なコンポーネントの 1 つであり、蓄積されたエラーを修正する上で重要な役割を果たします。
バッグオブワード モデルなどの従来の外観ベースの手法は、ローカル 2D 特徴やトレーニング データの量によって制限されることが多く、現実世界のシナリオでは汎用性や堅牢性が低くなり、検出の見逃しや誤検知が発生します。
ループ閉鎖。
これらの問題に対処するために、我々はまず、現在のフレームの 2D 意味特徴を地図の 3D オブジェクトランドマークと関連付けることができる、マルチレベル検証に基づくオブジェクトレベルのデータ関連付け方法を提案します。
次に、これらの関連関係を利用して、二次レベルのオブジェクトマップトポロジーに基づくセマンティックループクロージャー手法を導入します。これは、オブジェクトのトポロジーグラフを通じてシーンを表現し、オブジェクトの違いを比較することにより、広い視野で正確なループクロージャーを実現します。
トポロジーグラフ。
最後に、これら 2 つのメソッドを完全なオブジェクト認識 SLAM システムに統合します。
定性実験とアブレーション研究により、提案されたオブジェクトレベルのデータ関連付けアルゴリズムの有効性と堅牢性が実証されています。
定量的実験により、当社のセマンティック ループ クロージャ手法が、精度、再現率、位置特定精度の指標の点で既存の最先端の手法を上回ることが示されています。

要約(オリジナル)

Loop closure, as one of the crucial components in SLAM, plays an essential role in correcting the accumulated errors. Traditional appearance-based methods, such as bag-of-words models, are often limited by local 2D features and the volume of training data, making them less versatile and robust in real-world scenarios, leading to missed detections or false positives detections in loop closure. To address these issues, we first propose a object-level data association method based on multi-level verification, which can associate 2D semantic features of current frame with 3D objects landmarks of map. Next, taking advantage of these association relations, we introduce a semantic loop closure method based on quadric-level object map topology, which represents scenes through the topological graph of objects and achieves accurate loop closure at a wide field of view by comparing differences in the topological graphs. Finally, we integrate these two methods into a complete object-aware SLAM system. Qualitative experiments and ablation studies demonstrate the effectiveness and robustness of the proposed object-level data association algorithm. Quantitative experiments show that our semantic loop closure method outperforms existing state-of-the-art methods in terms of precision, recall and localization accuracy metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google