RaSCL: Radar to Satellite Crossview Localization

要約

GNSSは信頼できず、不正確で、多くのリアルタイムの自律型フィールドアプリケーションでは不十分です。
この作業では、オーバーヘッドRGB画像で地上にイメージングレーダーを登録する方法を含むGNSSフリーグローバルローカリゼーションソリューションを提示し、臭気とグローバルなポーズからの相対的なポーズの共同最適化を備えています。
以前の作品では、地上センサーとオーバーヘッド画像のさまざまな組み合わせ、およびさまざまな特徴抽出とマッチング方法を使用していました。
これらには、オーバーヘッド画像から特徴を抽出するためのさまざまな手作りの深い学習ベースの方法が含まれます。
私たちの作品は、グランドレーダーと単一のジオリファレンスされた初期推測のみを使用して、オーバーヘッド画像に対する効果的なグローバルローカリゼーションのために、RGBオーバーヘッド画像から重要な機能を抽出することに関する洞察を示しています。
私たちは、無人の表面容器（USV）や都市および郊外の運転データセットを含む、多様な地理的条件やロボットプラットフォームのデータセットで評価を評価することで、その方法を動機付けます。

要約(オリジナル)

GNSS is unreliable, inaccurate, and insufficient in many real-time autonomous field applications. In this work, we present a GNSS-free global localization solution that contains a method of registering imaging radar on the ground with overhead RGB imagery, with joint optimization of relative poses from odometry and global poses from our overhead registration. Previous works have used various combinations of ground sensors and overhead imagery, and different feature extraction and matching methods. These include various handcrafted and deep-learning-based methods for extracting features from overhead imagery. Our work presents insights on extracting essential features from RGB overhead images for effective global localization against overhead imagery using only ground radar and a single georeferenced initial guess. We motivate our method by evaluating it on datasets in diverse geographic conditions and robotic platforms, including on an Unmanned Surface Vessel (USV) as well as urban and suburban driving datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google