Dynablox: Real-time Detection of Diverse Dynamic Objects in Complex Environments

要約

移動物体のリアルタイム検出は、動的な環境で自律的に動作するロボットにとって不可欠な機能です。
そこで私たちは、複雑な環境における堅牢な移動物体検出のための新しいオンライン マッピング ベースのアプローチである Dynablox を提案します。
私たちのアプローチの中心的な考え方は、オンラインロボット操作中のセンシング、状態推定、マッピングの制限をモデル化して考慮することにより、信頼性の高い自由空間エリアを段階的に推定することです。
時空間的に保守的な自由空間推定により、物体や環境の外観を仮定することなく、移動物体の確実な検出が可能になります。
これにより、高層ビルや階段などの複雑なシーンや、人がさまざまな物を運んだり、ドアが揺れたり、ボールが転がったりするなど、多様な移動物体への展開が可能になります。
私たちは実世界のデータセットに対するアプローチを徹底的に評価し、一般的なロボット設定で 17 FPS で 86% の IoU を達成しました。
このメソッドは、最近の外観ベースの分類器を上回り、オフライン メソッドのパフォーマンスに近づきます。
複雑な環境でまれに移動する物体を含む新しいデータセットでその一般性を実証します。
私たちは効率的な実装と新しいデータセットをオープンソースとして利用できるようにします。

要約(オリジナル)

Real-time detection of moving objects is an essential capability for robots acting autonomously in dynamic environments. We thus propose Dynablox, a novel online mapping-based approach for robust moving object detection in complex environments. The central idea of our approach is to incrementally estimate high confidence free-space areas by modeling and accounting for sensing, state estimation, and mapping limitations during online robot operation. The spatio-temporally conservative free space estimate enables robust detection of moving objects without making any assumptions on the appearance of objects or environments. This allows deployment in complex scenes such as multi-storied buildings or staircases, and for diverse moving objects such as people carrying various items, doors swinging or even balls rolling around. We thoroughly evaluate our approach on real-world data sets, achieving 86% IoU at 17 FPS in typical robotic settings. The method outperforms a recent appearance-based classifier and approaches the performance of offline methods. We demonstrate its generality on a novel data set with rare moving objects in complex environments. We make our efficient implementation and the novel data set available as open-source.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google