A2DO: Adaptive Anti-Degradation Odometry with Deep Multi-Sensor Fusion for Autonomous Navigation

要約

自動運転車の安全で効果的なナビゲーションには正確なローカリゼーションが不可欠であり、同時のローカリゼーションとマッピング（SLAM）は、このコンテキストでは基礎技術です。
ただし、SLAMシステムのパフォーマンスは、低光、悪天候、センサーの分解による閉塞などの困難な条件下で悪化する可能性があります。
深いニューラルネットワークを通じてこれらのシナリオの堅牢性を高める、新しいエンドツーエンドのマルチセンサー融合臭気システムであるA2DOを提示します。
A2DOは、Lidarと視覚データを統合し、センサーの分解を動的に緩和するための注意メカニズムによって補強されたマルチレイヤーのマルチスケール機能エンコードモジュールを使用します。
このシステムは、広範囲の劣化シナリオをカバーするシミュレートされたデータセットで広く事前に訓練されており、キュレーションされた一連の実際のデータで微調整され、複雑なシナリオへの堅牢な適応が確保されています。
我々の実験は、A2DOがさまざまな劣化条件にわたって優れた局所化の精度と堅牢性を維持し、自律型車両システムでの実用的な実装の可能性を示していることを示しています。

要約(オリジナル)

Accurate localization is essential for the safe and effective navigation of autonomous vehicles, and Simultaneous Localization and Mapping (SLAM) is a cornerstone technology in this context. However, The performance of the SLAM system can deteriorate under challenging conditions such as low light, adverse weather, or obstructions due to sensor degradation. We present A2DO, a novel end-to-end multi-sensor fusion odometry system that enhances robustness in these scenarios through deep neural networks. A2DO integrates LiDAR and visual data, employing a multi-layer, multi-scale feature encoding module augmented by an attention mechanism to mitigate sensor degradation dynamically. The system is pre-trained extensively on simulated datasets covering a broad range of degradation scenarios and fine-tuned on a curated set of real-world data, ensuring robust adaptation to complex scenarios. Our experiments demonstrate that A2DO maintains superior localization accuracy and robustness across various degradation conditions, showcasing its potential for practical implementation in autonomous vehicle systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google