TACS-Graphs: Traversability-Aware Consistent Scene Graphs for Ground Robot Indoor Localization and Mapping

要約

シーングラフは、ロボットの強力なツールとして浮上しており、高度なタスク計画のための空間的および意味的関係の構造化された表現を提供しています。
その可能性にもかかわらず、従来の3D屋内シーングラフは、構造的に複雑な環境における室層の特に過剰および過度のセグメンテーションの重大な制限に直面しています。
セグメンテーション不足は、多くの場合オープンスペースで、部屋の一部として非移動不可能なエリアを誤分類しますが、過剰セグメンテーションは、複雑な環境で1つの部屋を重複するセグメントに断片化します。
これらの問題は、幾何学的な近接性のみに依存する素朴なボクセルベースのマップ表現に起因し、横断可能な空間の構造的制約を無視し、シーングラフ内の一貫性のない部屋層をもたらします。
私たちの知る限り、この作業は、挑戦としてセグメンテーションの矛盾に取り組み、トラバース可能性対応の一貫したシーングラフ（TACS-Graphs）で最初に取り組むことです。
ルームの境界を定義する重要な要因として通過性を活用することにより、提案された方法は、より意味的に意味のあるトポロジー的にコヒーレントなセグメンテーションを実現し、複雑な環境でのボクセルベースのシーングラフアプローチの不正確さを効果的に軽減します。
さらに、セグメンテーションの強化された一貫性により、提案された一貫したシーングラフレバレッジループ閉鎖検出（COSG-LCD）のループ閉鎖検出効率が改善され、より高いポーズ推定精度が発生します。
実験結果は、提案されたアプローチがシーングラフの一貫性の観点から最先端の方法よりも優れていることを確認し、グラフの最適化パフォーマンスをポーズします。

要約(オリジナル)

Scene graphs have emerged as a powerful tool for robots, providing a structured representation of spatial and semantic relationships for advanced task planning. Despite their potential, conventional 3D indoor scene graphs face critical limitations, particularly under- and over-segmentation of room layers in structurally complex environments. Under-segmentation misclassifies non-traversable areas as part of a room, often in open spaces, while over-segmentation fragments a single room into overlapping segments in complex environments. These issues stem from naive voxel-based map representations that rely solely on geometric proximity, disregarding the structural constraints of traversable spaces and resulting in inconsistent room layers within scene graphs. To the best of our knowledge, this work is the first to tackle segmentation inconsistency as a challenge and address it with Traversability-Aware Consistent Scene Graphs (TACS-Graphs), a novel framework that integrates ground robot traversability with room segmentation. By leveraging traversability as a key factor in defining room boundaries, the proposed method achieves a more semantically meaningful and topologically coherent segmentation, effectively mitigating the inaccuracies of voxel-based scene graph approaches in complex environments. Furthermore, the enhanced segmentation consistency improves loop closure detection efficiency in the proposed Consistent Scene Graph-leveraging Loop Closure Detection (CoSG-LCD) leading to higher pose estimation accuracy. Experimental results confirm that the proposed approach outperforms state-of-the-art methods in terms of scene graph consistency and pose graph optimization performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google