Multi-Platform Teach-and-Repeat Navigation by Visual Place Recognition Based on Deep-Learned Local Features

要約

均一で可変的な環境は、モバイルロボットナビゲーションにおける安定した視覚的ローカリゼーションとマッピングの依然として課題です。
このような環境に適した可能なアプローチの1つは、標準マッピングを必要とせずに、単純化されたローカリゼーションとリアクティブロボットモーションコントロールに依存する外観ベースのティーチアンドリピートナビゲーションです。
この作業は、視覚的な場所認識技術に基づいて、このようなシステムに革新的なソリューションをもたらします。
ここでは、主要な貢献は、新しい視覚的な場所認識技術、新しい水平シフト計算アプローチ、およびさまざまな種類のモバイルロボットにわたるアプリケーション向けのマルチプラットフォームシステム設計の採用にあります。
第二に、外観ベースのナビゲーション方法の実験的テストのための新しいパブリックデータセットが導入されています。
さらに、この作業は、導入されたナビゲーションシステムの他の最先端の方法との実世界の実験テストとパフォーマンスの比較も提供します。
結果は、新しいシステムがいくつかのテストシナリオで既存の方法を上回り、屋内および屋外で操作できることを確認し、昼夜を帯びたシーンのバリエーションに堅牢性を示しています。

要約(オリジナル)

Uniform and variable environments still remain a challenge for stable visual localization and mapping in mobile robot navigation. One of the possible approaches suitable for such environments is appearance-based teach-and-repeat navigation, relying on simplified localization and reactive robot motion control – all without a need for standard mapping. This work brings an innovative solution to such a system based on visual place recognition techniques. Here, the major contributions stand in the employment of a new visual place recognition technique, a novel horizontal shift computation approach, and a multi-platform system design for applications across various types of mobile robots. Secondly, a new public dataset for experimental testing of appearance-based navigation methods is introduced. Moreover, the work also provides real-world experimental testing and performance comparison of the introduced navigation system against other state-of-the-art methods. The results confirm that the new system outperforms existing methods in several testing scenarios, is capable of operation indoors and outdoors, and exhibits robustness to day and night scene variations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google