Visual-Lidar Map Alignment for Infrastructure Inspections

要約

日常的および反復的なインフラストラクチャの検査は、多くの場合、挑戦的または危険な環境で手動で実行されるため、安全性、効率、一貫性の課題を提示します。
また、プロセスに主観性とエラーを導入し、望ましくない結果をもたらすことができます。
同時ローカリゼーションとマッピング（SLAM）は、正確で客観的な検査データを抽出するために使用できる高品質の3Dマップを生成する機会を提供します。
しかし、多くのSLAMアルゴリズムは、GPS除去設定の繰り返し検査から3Dマップを自動的に整列させる機能が制限されています。
この制限は、以前の検査からのスキャン全体でデータ関連のために退屈な手動アライメントを要求することにより、実際の長期的な資産の健康評価を妨げます。
このペーパーでは、視覚とLIDARの両方のデータを活用する汎用マップアライメントアルゴリズムを紹介し、場所認識の堅牢性を改善し、連続検査に合わせたインフラストラクチャ中心のデータセットを提示します。
SLAMからのマップアラインメントを取り外すことにより、私たちのアプローチはインフラストラクチャ検査パイプラインを強化し、時間の経過に伴う資産の劣化の監視をサポートし、既存のマルチセッションスラムアルゴリズムを超えて探査を許可することによりスラム研究を活性化します。

要約(オリジナル)

Routine and repetitive infrastructure inspections present safety, efficiency, and consistency challenges as they are performed manually, often in challenging or hazardous environments. They can also introduce subjectivity and errors into the process, resulting in undesirable outcomes. Simultaneous localization and mapping (SLAM) presents an opportunity to generate high-quality 3D maps that can be used to extract accurate and objective inspection data. Yet, many SLAM algorithms are limited in their ability to align 3D maps from repeated inspections in GPS-denied settings automatically. This limitation hinders practical long-term asset health assessments by requiring tedious manual alignment for data association across scans from previous inspections. This paper introduces a versatile map alignment algorithm leveraging both visual and lidar data for improved place recognition robustness and presents an infrastructure-focused dataset tailored for consecutive inspections. By detaching map alignment from SLAM, our approach enhances infrastructure inspection pipelines, supports monitoring asset degradation over time, and invigorates SLAM research by permitting exploration beyond existing multi-session SLAM algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google