SparseLoc: Sparse Open-Set Landmark-based Global Localization for Autonomous Navigation

要約

グローバルなローカリゼーションは、自律的なナビゲーションにおける重要な問題であり、GPSに依存せずに正確な位置決めを可能にします。
最新のグローバルローカリゼーション技術は、多くの場合、高密度のライダーマップに依存します。これは、正確ですが、広範なストレージと計算リソースが必要です。
最近のアプローチでは、まばらなマップや学習された機能などの代替方法が調査されていますが、堅牢性と一般化が不十分です。
Sparselocを提案します。Sparselocは、Vision-Language Foundationモデルを活用して、ゼロショットの方法でスパースでセマンティックトポメトリックマップを生成するグローバルなローカリゼーションフレームワークを提案します。
このマップ表現と、新規遅延最適化戦略によって強化されたモンテカルロローカリゼーションスキームと組み合わせて、ポーズ推定の改善を確保します。
慎重に設計された最適化スケジュールを通じて、コンパクトでありながら高度に差別的なマップと精製ローカリゼーションを構築することにより、Sparselocは既存の技術の制限を克服し、グローバルなローカリゼーションのためのより効率的で堅牢なソリューションを提供します。
当社のシステムは、既存のスパースマッピング手法と比較して、ローカリゼーションの精度が5倍に改善されています。
密なマッピング方法のポイントの1/500のみを利用しているにもかかわらず、同等のパフォーマンスを実現し、キッティシーケンスで5mおよび2度未満の平均的なグローバルローカリゼーションエラーを維持します。

要約(オリジナル)

Global localization is a critical problem in autonomous navigation, enabling precise positioning without reliance on GPS. Modern global localization techniques often depend on dense LiDAR maps, which, while precise, require extensive storage and computational resources. Recent approaches have explored alternative methods, such as sparse maps and learned features, but they suffer from poor robustness and generalization. We propose SparseLoc, a global localization framework that leverages vision-language foundation models to generate sparse, semantic-topometric maps in a zero-shot manner. It combines this map representation with a Monte Carlo localization scheme enhanced by a novel late optimization strategy, ensuring improved pose estimation. By constructing compact yet highly discriminative maps and refining localization through a carefully designed optimization schedule, SparseLoc overcomes the limitations of existing techniques, offering a more efficient and robust solution for global localization. Our system achieves over a 5X improvement in localization accuracy compared to existing sparse mapping techniques. Despite utilizing only 1/500th of the points of dense mapping methods, it achieves comparable performance, maintaining an average global localization error below 5m and 2 degrees on KITTI sequences.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google