PNE-SGAN: Probabilistic NDT-Enhanced Semantic Graph Attention Network for LiDAR Loop Closure Detection

要約

LIDARループ閉鎖検出（LCD）は、一貫した同時ローカリゼーションとマッピング（SLAM）に不可欠ですが、堅牢性と精度の課題に直面しています。
セマンティックグラフアプローチを含む既存の方法は、多くの場合、粗い幾何学的表現に悩まされ、ノイズ、ダイナミクス、視点の変化に対する時間的堅牢性がありません。
これらの制限を克服するために、確率的NDT強化セマンティックグラフ注意ネットワークであるPne-sganを紹介します。
Pne-sganは、グラフ注意ネットワーク（GAT）を介して処理された、豊富で識別幾何学的ノード機能として、通常の分布変換（NDT）共分散行列を使用してセマンティックグラフを強化します。
重要なことに、グラフの類似性スコアを確率論的な時間フィルタリングフレームワーク（HMM/ベイズフィルターとしてモデル化）に統合し、モーションモデリングに不確実な匂い測定を組み込み、前袋のスムージングを利用してあいまいさを効果的に処理します。
挑戦的なキティシーケンス（00および08）の評価は、それぞれ96.2 \％と95.1 \％の平均精度を達成し、それぞれ最先端のパフォーマンスを実証しています。
PNE-sganは、特に他の人がゆるむ困難な双方向ループシナリオで、既存の方法を大幅に上回ります。
原則的な確率的時間的推論で詳細なNDTジオメトリを相乗的にすることにより、PNE-SGANはLIDAR LCDに非常に正確で堅牢なソリューションを提供し、複雑で大規模な環境でのSLAMの信頼性を高めます。

要約(オリジナル)

LiDAR loop closure detection (LCD) is crucial for consistent Simultaneous Localization and Mapping (SLAM) but faces challenges in robustness and accuracy. Existing methods, including semantic graph approaches, often suffer from coarse geometric representations and lack temporal robustness against noise, dynamics, and viewpoint changes. We introduce PNE-SGAN, a Probabilistic NDT-Enhanced Semantic Graph Attention Network, to overcome these limitations. PNE-SGAN enhances semantic graphs by using Normal Distributions Transform (NDT) covariance matrices as rich, discriminative geometric node features, processed via a Graph Attention Network (GAT). Crucially, it integrates graph similarity scores into a probabilistic temporal filtering framework (modeled as an HMM/Bayes filter), incorporating uncertain odometry for motion modeling and utilizing forward-backward smoothing to effectively handle ambiguities. Evaluations on challenging KITTI sequences (00 and 08) demonstrate state-of-the-art performance, achieving Average Precision of 96.2\% and 95.1\%, respectively. PNE-SGAN significantly outperforms existing methods, particularly in difficult bidirectional loop scenarios where others falter. By synergizing detailed NDT geometry with principled probabilistic temporal reasoning, PNE-SGAN offers a highly accurate and robust solution for LiDAR LCD, enhancing SLAM reliability in complex, large-scale environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google