APR-Transformer: Initial Pose Estimation for Localization in Complex Environments through Absolute Pose Regression

要約

正確な初期化は、特にロボット工学、自律運転、コンピュータービジョンのコンテキストで、ローカリゼーションアルゴリズムのパフォーマンスにおいて重要な役割を果たします。
局所化の精度が低いことは、多くの場合、GPS信号が主に初期化に依存しているGNSSによる環境で特に顕著である不正確な初期ポーズの結果です。
ポーズ回帰のために深いニューラルネットワークを活用する最近の進歩により、特に複雑な空間的関係と方向の推定において、精度と堅牢性の両方が大幅に改善されました。
この論文では、画像またはLIDARのデータを使用して絶対ポーズ（3D位置と3D方向）を予測する最先端の方法に触発されたモデルアーキテクチャであるAPRトランスフォーマーを紹介します。
提案された方法は、レーダーオックスフォードロボットカーやディープロックデータセットなどの確立されたベンチマークデータセットで最先端のパフォーマンスを達成することを実証します。
さらに、実験を拡張して、カスタムコンプレックスのAPR-Beintelliデータセットを含めます。
さらに、自律型テスト車両にモデルをリアルタイムで展開することにより、GNSSによる環境でのアプローチの信頼性を検証します。
これは、アプローチの実用的な実現可能性と有効性を示しています。
ソースコードは、https：//github.com/gt-arc/apr-transformerで入手できます。

要約(オリジナル)

Precise initialization plays a critical role in the performance of localization algorithms, especially in the context of robotics, autonomous driving, and computer vision. Poor localization accuracy is often a consequence of inaccurate initial poses, particularly noticeable in GNSS-denied environments where GPS signals are primarily relied upon for initialization. Recent advances in leveraging deep neural networks for pose regression have led to significant improvements in both accuracy and robustness, especially in estimating complex spatial relationships and orientations. In this paper, we introduce APR-Transformer, a model architecture inspired by state-of-the-art methods, which predicts absolute pose (3D position and 3D orientation) using either image or LiDAR data. We demonstrate that our proposed method achieves state-of-the-art performance on established benchmark datasets such as the Radar Oxford Robot-Car and DeepLoc datasets. Furthermore, we extend our experiments to include our custom complex APR-BeIntelli dataset. Additionally, we validate the reliability of our approach in GNSS-denied environments by deploying the model in real-time on an autonomous test vehicle. This showcases the practical feasibility and effectiveness of our approach. The source code is available at:https://github.com/GT-ARC/APR-Transformer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google