A Chefs KISS — Utilizing semantic information in both ICP and SLAM framework

要約

都市部で自律走行車を利用するためには、信頼性の高いローカライゼーションが必要である。特にHDマップを使用する場合は、正確で再現性の高い方法を選択しなければならない。そのため、正確な地図の生成だけでなく、これらの地図に対する再定位も必要です。LiDARは周囲の3D再構築に優れているため、ローカライゼーションのための信頼できるモダリティとなっています。最新のLiDARオドメトリ推定は、反復的最近接点（ICP）アプローチ、すなわちKISS-ICPとSAGE-ICPに基づいている。我々は、最小限のパラメータチューニングで一般化可能なアプローチを用いて、点アライメントプロセスに意味情報を組み込むことにより、KISS-ICPの機能を拡張する。この機能拡張により、地図精度の主な指標である絶対軌跡誤差（ATE）の点でKISS-ICPを上回ることができる。さらに、Cartographerマッピングフレームワークを改良し、意味情報を扱えるようにしました。Cartographerは、より広いエリアでのループ閉鎖の検出を容易にし、オドメトリドリフトを緩和し、ATE精度をさらに向上させます。セマンティック情報をマッピングプロセスに統合することで、駐車車両のような特定のクラスをマップからフィルタリングすることができます。このフィルタリングにより、車両の移動などの時間的変化に対応することで、再局在化の品質が向上します。

要約(オリジナル)

For utilizing autonomous vehicle in urban areas a reliable localization is needed. Especially when HD maps are used, a precise and repeatable method has to be chosen. Therefore accurate map generation but also re-localization against these maps is necessary. Due to best 3D reconstruction of the surrounding, LiDAR has become a reliable modality for localization. The latest LiDAR odometry estimation are based on iterative closest point (ICP) approaches, namely KISS-ICP and SAGE-ICP. We extend the capabilities of KISS-ICP by incorporating semantic information into the point alignment process using a generalizable approach with minimal parameter tuning. This enhancement allows us to surpass KISS-ICP in terms of absolute trajectory error (ATE), the primary metric for map accuracy. Additionally, we improve the Cartographer mapping framework to handle semantic information. Cartographer facilitates loop closure detection over larger areas, mitigating odometry drift and further enhancing ATE accuracy. By integrating semantic information into the mapping process, we enable the filtering of specific classes, such as parked vehicles, from the resulting map. This filtering improves relocalization quality by addressing temporal changes, such as vehicles being moved.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL