DUFOMap: Efficient Dynamic Awareness Mapping

要約

現実世界の動的な性質は、ロボット工学における主な課題の 1 つです。
これに対処するための最初のステップは、世界のどの部分が動的であるかを検出することです。
典型的なベンチマーク タスクは、ローカリゼーションや計画などをサポートする世界の静的な部分のみを含むマップを作成することです。
現在のソリューションは後処理に適用されることが多く、パラメーター調整によりユーザーは特定のデータセットの設定を調整できます。
この論文では、効率的なオンライン処理のために設計された新しい動的認識マッピング フレームワークである DUFOMap を提案します。
すべてのシナリオで同じパラメーター設定を使用しているにもかかわらず、パフォーマンスは向上しており、最先端の方法と同等です。
レイ キャスティングは、完全に観察された空の領域を識別および分類するために利用されます。
これらの領域は空であることが観察されているため、別の時点ではその内部にあるものはすべて動的である必要があるということになります。
評価は、KITTI や Argoverse 2 の屋外環境、KTH キャンパスのオープンエリア、さまざまなセンサータイプなど、さまざまなシナリオで実行されます。
DUFOMap は、精度と計算効率の点で最先端のものを上回っています。
ソース コード、ベンチマーク、使用されたデータセットへのリンクが提供されます。
詳細については、https://kth-rpl.github.io/dufomap を参照してください。

要約(オリジナル)

The dynamic nature of the real world is one of the main challenges in robotics. The first step in dealing with it is to detect which parts of the world are dynamic. A typical benchmark task is to create a map that contains only the static part of the world to support, for example, localization and planning. Current solutions are often applied in post-processing, where parameter tuning allows the user to adjust the setting for a specific dataset. In this paper, we propose DUFOMap, a novel dynamic awareness mapping framework designed for efficient online processing. Despite having the same parameter settings for all scenarios, it performs better or is on par with state-of-the-art methods. Ray casting is utilized to identify and classify fully observed empty regions. Since these regions have been observed empty, it follows that anything inside them at another time must be dynamic. Evaluation is carried out in various scenarios, including outdoor environments in KITTI and Argoverse 2, open areas on the KTH campus, and with different sensor types. DUFOMap outperforms the state of the art in terms of accuracy and computational efficiency. The source code, benchmarks, and links to the datasets utilized are provided. See https://kth-rpl.github.io/dufomap for more details.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google