GOTLoc: General Outdoor Text-based Localization Using Scene Graph Retrieval with OpenStreetMap

要約

私たちは、GPS 信号が利用できない屋外環境でも動作できる堅牢な位置特定手法 GOTLoc を提案します。
この方法は、テキストの説明と地図から生成されたシーン グラフ間の比較を活用することで、この確実な位置特定を実現します。
既存のテキストベースのローカリゼーション研究は通常、マップを点群として表し、テキストと点群データの埋め込みを比較することによって最も類似したシーンを特定します。
ただし、すべての屋外空間のマップを事前に生成するのは現実的ではないため、点群マップのスケーラビリティには限界があります。
さらに、データサイズが大きいため、実際のロボットに直接保存して利用することが困難になります。
これらの問題に対処するために、GOTLoc はシーン グラフなどのコンパクトなデータ構造を活用して空間情報を保存し、個々のロボットが大量の地図データを持ち運び、利用できるようにします。
さらに、屋外空間に関するグローバルな情報を提供する OpenStreetMap など、公開されている地図データを利用することで、カスタム地図データを作成するための追加の労力が不要になります。
パフォーマンス評価では、KITTI360Pose データセットを対応する OpenStreetMap データと組み合わせて利用し、提案された方法と既存のアプローチを比較しました。
我々の結果は、提案された方法が点群マップに依存するアルゴリズムに匹敵する精度を達成することを示しています。
さらに、都市規模のテストでは、GOTLoc は点群ベースの方法と比べて必要なストレージが大幅に少なく、数秒以内に全体の処理を完了し、現実世界のロボット工学への適用可能性を検証しました。
私たちのコードは https://github.com/donghwijung/GOTLoc で入手できます。

要約(オリジナル)

We propose GOTLoc, a robust localization method capable of operating even in outdoor environments where GPS signals are unavailable. The method achieves this robust localization by leveraging comparisons between scene graphs generated from text descriptions and maps. Existing text-based localization studies typically represent maps as point clouds and identify the most similar scenes by comparing embeddings of text and point cloud data. However, point cloud maps have limited scalability as it is impractical to pre-generate maps for all outdoor spaces. Furthermore, their large data size makes it challenging to store and utilize them directly on actual robots. To address these issues, GOTLoc leverages compact data structures, such as scene graphs, to store spatial information, enabling individual robots to carry and utilize large amounts of map data. Additionally, by utilizing publicly available map data, such as OpenStreetMap, which provides global information on outdoor spaces, we eliminate the need for additional effort to create custom map data. For performance evaluation, we utilized the KITTI360Pose dataset in conjunction with corresponding OpenStreetMap data to compare the proposed method with existing approaches. Our results demonstrate that the proposed method achieves accuracy comparable to algorithms relying on point cloud maps. Moreover, in city-scale tests, GOTLoc required significantly less storage compared to point cloud-based methods and completed overall processing within a few seconds, validating its applicability to real-world robotics. Our code is available at https://github.com/donghwijung/GOTLoc.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google