要約
3次元LiDARに基づく場所認識は、園芸環境ではまだほとんど研究されていない。園芸環境は、レーザービームに対して半透過性であるため、独特の課題がある。この特性により、隣接する列から非常に類似したLiDARスキャンが取得されることが多く、ディスクリプタが曖昧になり、結果として検索性能が低下します。(i)2つの統計的手法から着想を得たアグリゲータの出力を1つの記述子に統合した新しいモデル、PointNetPGAP、(ii)記述子の頑健性を高めるために学習時のみに使用されるセグメントレベルの一貫性（SLC）モデル、(iii)果樹園とイチゴ畑のLiDARシーケンスからなるHORTO-3DLMデータセット。HORTO-3DLMデータセットとKITTIオドメトリデータセットで実施した実験評価では、PointNetPGAPがOverlapTransformerやPointNetVLADを含む最先端モデルを、特にSLCモデルを適用した場合に上回っていることが実証された。これらの結果は、特に園芸環境において、曖昧性の高いセグメントでの検索性能を大幅に向上させることで、このモデルの優位性を強調している。
要約(オリジナル)
3D LiDAR-based place recognition remains largely underexplored in horticultural environments, which present unique challenges due to their semi-permeable nature to laser beams. This characteristic often results in highly similar LiDAR scans from adjacent rows, leading to descriptor ambiguity and, consequently, compromised retrieval performance. In this work, we address the challenges of 3D LiDAR place recognition in horticultural environments, particularly focusing on inter-row ambiguity by introducing three key contributions: (i) a novel model, PointNetPGAP, which combines the outputs of two statistically-inspired aggregators into a single descriptor; (ii) a Segment-Level Consistency (SLC) model, used exclusively during training to enhance descriptor robustness; and (iii) the HORTO-3DLM dataset, comprising LiDAR sequences from orchards and strawberry fields. Experimental evaluations conducted on the HORTO-3DLM and KITTI Odometry datasets demonstrate that PointNetPGAP outperforms state-of-the-art models, including OverlapTransformer and PointNetVLAD, particularly when the SLC model is applied. These results underscore the model’s superiority, especially in horticultural environments, by significantly improving retrieval performance in segments with higher ambiguity.
arxiv情報
| 著者 | T. Barros,L. Garrote,P. Conde,M. J. Coombes,C. Liu,C. Premebida,U. J. Nunes |
| 発行日 | 2024-10-03 13:09:43+00:00 |
| arxivサイト | arxiv_id(pdf) |