NF-Atlas: Multi-Volume Neural Feature Fields for Large Scale LiDAR Mapping

要約

LiDAR マッピングはロボット工学における長年の問題です。
ニューラル暗黙的表現における最近の進歩により、ロボット マッピングに新たな機会がもたらされました。
この論文では、神経特徴ボリュームとポーズ グラフ最適化を橋渡しする、NF-Atlas と呼ばれるマルチボリューム ニューラル特徴フィールドを提案します。
神経特徴ボリュームをポーズ グラフ ノードと見なし、ボリューム間の相対姿勢をポーズ グラフ エッジと見なすことにより、神経特徴フィールド全体が局所的に剛体になると同時に全体的に弾性になります。
ローカルでは、ニューラル特徴ボリュームはスパース特徴オクツリーと小規模 MLP を使用して、セマンティクスのオプションを使用してサブマップ SDF をエンコードします。
この構造を使用してマップを学習すると、確率的マッピングに基づいた最大事後確率 (MAP) のエンドツーエンドの解決が可能になります。
マップはグローバルにボリュームごとに独立して構築され、段階的にマッピングする際の致命的な忘れを回避します。
さらに、ループ クロージャが発生した場合、弾性ポーズ グラフ ベースの表現では、再マッピングせずにニューラル ボリュームの原点を更新するだけで済みます。
最後に、NF-Atlas のこれらの機能が検証されます。
スパース性と最適化ベースの定式化のおかげで、NF-Atlas は、シミュレーションと現実世界のデータセットの両方で、精度、効率、メモリ使用量の点で競争力のあるパフォーマンスを示します。

要約(オリジナル)

LiDAR Mapping has been a long-standing problem in robotics. Recent progress in neural implicit representation has brought new opportunities to robotic mapping. In this paper, we propose the multi-volume neural feature fields, called NF-Atlas, which bridge the neural feature volumes with pose graph optimization. By regarding the neural feature volume as pose graph nodes and the relative pose between volumes as pose graph edges, the entire neural feature field becomes both locally rigid and globally elastic. Locally, the neural feature volume employs a sparse feature Octree and a small MLP to encode the submap SDF with an option of semantics. Learning the map using this structure allows for end-to-end solving of maximum a posteriori (MAP) based probabilistic mapping. Globally, the map is built volume by volume independently, avoiding catastrophic forgetting when mapping incrementally. Furthermore, when a loop closure occurs, with the elastic pose graph based representation, only updating the origin of neural volumes is required without remapping. Finally, these functionalities of NF-Atlas are validated. Thanks to the sparsity and the optimization based formulation, NF-Atlas shows competitive performance in terms of accuracy, efficiency and memory usage on both simulation and real-world datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google