PartSLAM: Unsupervised Part-based Scene Modeling for Fast Succinct Map Matching

要約

この論文では、さまざまなロボット ビジョン タスクで使用されるマップ マッチング技術のスケーラビリティを向上させるために、マップ データのコンパクトな記述を利用する、困難な 1 対 N マップ マッチング問題を検討します。
我々は、マップマッチングサブタスクのみからなる、高速で簡潔なマップマッチングを明示的に目的とした最初の方法を提案する。
これらのタスクには、より少ない大きなパーツを使用して各マップを効果的に説明する、コンパクトなパーツベースのシーン モデルを見つけるオフライン マップ マッチングの試みが含まれます。
このタスクには、パーツベースのマップ間の対応関係を効率的に見つけるためのオンライン マップ マッチングの試みも含まれます。
私たちのパーツベースのシーン モデリング アプローチは教師なしで、入力マップと既知の参照マップ間の共通パターン検出 (CPD) を使用します。
これにより、ロボットは人間の介入なしにコンパクトな地図モデルを学習できるようになります。
また、キーポイント BB と記述子 BB で構成されるコンパクト バウンディング ボックス (BB) ベースのパート記述子を備えたランダム化ビジュアル フレーズ (RVP) の最先端の CPD 技術を使用する実用的な実装も紹介します。
公開されている大根データセットを使用した、私たちの挑戦的なマップ マッチング実験の結果は、提案されたアプローチが、大幅な高速化と数十倍コンパクトなマップ データの記述でマップ マッチングを成功させることを示しています。
このペーパーでは、標準の 2D 点群マップと BB ベースのパーツ表現に焦点を当てていますが、私たちのアプローチは十分に一般的であり、3D 点群マップなどの幅広いマップ形式に適用できると考えています。
一般的な境界ボリュームやその他のコンパクトなパーツ表現。

要約(オリジナル)

In this paper, we explore the challenging 1-to-N map matching problem, which exploits a compact description of map data, to improve the scalability of map matching techniques used by various robot vision tasks. We propose a first method explicitly aimed at fast succinct map matching, which consists only of map-matching subtasks. These tasks include offline map matching attempts to find a compact part-based scene model that effectively explains each map using fewer larger parts. The tasks also include an online map matching attempt to efficiently find correspondence between the part-based maps. Our part-based scene modeling approach is unsupervised and uses common pattern discovery (CPD) between the input and known reference maps. This enables a robot to learn a compact map model without human intervention. We also present a practical implementation that uses the state-of-the-art CPD technique of randomized visual phrases (RVP) with a compact bounding box (BB) based part descriptor, which consists of keypoint and descriptor BBs. The results of our challenging map-matching experiments, which use a publicly available radish dataset, show that the proposed approach achieves successful map matching with significant speedup and a compact description of map data that is tens of times more compact. Although this paper focuses on the standard 2D point-set map and the BB-based part representation, we believe our approach is sufficiently general to be applicable to a broad range of map formats, such as the 3D point cloud map, as well as to general bounding volumes and other compact part representations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google