HeLiOS: Heterogeneous LiDAR Place Recognition via Overlap-based Learning and Local Spherical Transformer

要約

Lidar Place認識は、現在の場所と以前に観察された環境と一致するローカリゼーションにおける重要なモジュールです。
Lidar Place認識のほとんどの既存のアプローチは、スピニングタイプのLidarに支配的に焦点を当て、マッチングのために大きなFOVを活用しています。
しかし、最近のさまざまなLidarタイプの出現により、さまざまなLidarタイプにわたってデータを一致させることの重要性は大幅に増加しました。これは長年にわたって見過ごされてきた課題です。
これらの課題に対処するために、球形の変圧器と堅牢なグローバル記述子のための最適な輸送ベースのクラスター割り当てを備えた小さなローカルウィンドウを利用する不均一なLidar Place認識に合わせた深いネットワークであるHeliosを紹介します。
オーバーラップベースのデータマイニングとガイド付きトリプレット損失は、従来の距離ベースのマイニングと個別のクラスの制約の制限を克服します。
ヘリオスはパブリックデータセットで検証されており、長期的な認識の評価を含め、不均一なLidar場所認識のパフォーマンスを実証し、目に見えないLIDARタイプを処理する能力を示しています。
heliosコードをhttps://github.com/minwoo0611/heliosでロボットコミュニティのオープンソースとしてリリースします。

要約(オリジナル)

LiDAR place recognition is a crucial module in localization that matches the current location with previously observed environments. Most existing approaches in LiDAR place recognition dominantly focus on the spinning type LiDAR to exploit its large FOV for matching. However, with the recent emergence of various LiDAR types, the importance of matching data across different LiDAR types has grown significantly-a challenge that has been largely overlooked for many years. To address these challenges, we introduce HeLiOS, a deep network tailored for heterogeneous LiDAR place recognition, which utilizes small local windows with spherical transformers and optimal transport-based cluster assignment for robust global descriptors. Our overlap-based data mining and guided-triplet loss overcome the limitations of traditional distance-based mining and discrete class constraints. HeLiOS is validated on public datasets, demonstrating performance in heterogeneous LiDAR place recognition while including an evaluation for long-term recognition, showcasing its ability to handle unseen LiDAR types. We release the HeLiOS code as an open source for the robotics community at https://github.com/minwoo0611/HeLiOS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google