SOLVR: Submap Oriented LiDAR-Visual Re-Localisation

要約

この論文では、センサー モダリティ全体で場所認識と 6-DoF 登録を実行する、学習ベースの LiDAR ビジュアル再位置推定のための統合パイプラインである SOLVR を提案します。
我々は、ステレオ画像ストリームを利用して姿勢情報によるメトリック深度予測を生成し、その後、確率的占有フレームワークを使用してローカル ウィンドウからの複数のシーン ビューを融合して、限られた視野を拡大することで、入力センサー モダリティを調整する戦略を提案します。
カメラ。
さらに、SOLVR は、さまざまなトレーニング損失に対するポジティブな例を構成する柔軟な定義を採用しており、場所の認識と登録のパフォーマンスを同時に最適化することができます。
さらに、RANSAC を、スパースなキーポイント対応の推定インライア尤度で単純な最小二乗フィッティングを重み付けする登録関数に置き換えます。これにより、クエリと取得された場所の間のインライア比が低いシナリオでのパフォーマンスが向上します。
KITTI および KITTI360 データセットでの実験では、SOLVR が LiDAR-Visual による場所の認識と登録において最先端のパフォーマンスを実現し、特にクエリと取得された場所の間の距離が遠い場合の登録精度が向上していることが示されています。

要約(オリジナル)

This paper proposes SOLVR, a unified pipeline for learning based LiDAR-Visual re-localisation which performs place recognition and 6-DoF registration across sensor modalities. We propose a strategy to align the input sensor modalities by leveraging stereo image streams to produce metric depth predictions with pose information, followed by fusing multiple scene views from a local window using a probabilistic occupancy framework to expand the limited field-of-view of the camera. Additionally, SOLVR adopts a flexible definition of what constitutes positive examples for different training losses, allowing us to simultaneously optimise place recognition and registration performance. Furthermore, we replace RANSAC with a registration function that weights a simple least-squares fitting with the estimated inlier likelihood of sparse keypoint correspondences, improving performance in scenarios with a low inlier ratio between the query and retrieved place. Our experiments on the KITTI and KITTI360 datasets show that SOLVR achieves state-of-the-art performance for LiDAR-Visual place recognition and registration, particularly improving registration accuracy over larger distances between the query and retrieved place.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google