Evaluating Visual Odometry Methods for Autonomous Driving in Rain

要約

自動運転車の需要の高まりにより、悪天候でも効果的に動作できる堅牢なナビゲーション システムの必要性が生じています。
ビジュアル オドメトリは、これらのナビゲーション システムで使用される技術で、車載カメラからの入力を使用して車両の位置と動きを推定できます。
ただし、大雨、雪、霧などの厳しい気象条件では、視覚的なオドメトリの精度が大きく影響を受ける可能性があります。
このペーパーでは、DROID-SLAM ベースのヒューリスティック アプローチを含む、さまざまなビジュアル オドメトリ手法を評価します。
具体的には、これらのアルゴリズムは晴天と雨天の両方の都市走行データでテストされ、その堅牢性が評価されます。
私たちは、さまざまな都市のさまざまな雨天状況から構成されるデータセットを編集しました。
これには、オックスフォードの Oxford Robotcar データセット、ミュンヘンの 4Seasons データセット、シンガポールで収集された内部データセットが含まれます。
絶対軌道誤差 (ATE) を使用して、単眼カメラとステレオ カメラのセットアップの両方について、さまざまなビジュアル オドメトリ アルゴリズムを評価しました。
評価されたアプローチの範囲から、私たちの調査結果は、単眼セットアップを使用した視覚オドメトリの深さとフロー (DF-VO) アルゴリズムが短距離 (< 500 m) で最もよく機能し、ステレオに対して提案した DROID-SLAM ベースのヒューリスティック アプローチが最適であることを示唆しています。 セットアップは長期的なローカリゼーションに対して比較的うまく機能しました。 どちらの VO アルゴリズムも、雨の中での位置特定には、より堅牢なセンサー フュージョン ベースのアプローチの必要性を示唆しています。

要約(オリジナル)

The increasing demand for autonomous vehicles has created a need for robust navigation systems that can also operate effectively in adverse weather conditions. Visual odometry is a technique used in these navigation systems, enabling the estimation of vehicle position and motion using input from onboard cameras. However, visual odometry accuracy can be significantly impacted in challenging weather conditions, such as heavy rain, snow, or fog. In this paper, we evaluate a range of visual odometry methods, including our DROID-SLAM based heuristic approach. Specifically, these algorithms are tested on both clear and rainy weather urban driving data to evaluate their robustness. We compiled a dataset comprising of a range of rainy weather conditions from different cities. This includes, the Oxford Robotcar dataset from Oxford, the 4Seasons dataset from Munich and an internal dataset collected in Singapore. We evaluated different visual odometry algorithms for both monocular and stereo camera setups using the Absolute Trajectory Error (ATE). From the range of approaches evaluated, our findings suggest that the Depth and Flow for Visual Odometry (DF-VO) algorithm with monocular setup performed the best for short range distances (< 500m) and our proposed DROID-SLAM based heuristic approach for the stereo setup performed relatively well for long-term localization. Both VO algorithms suggested a need for a more robust sensor fusion based approach for localization in rain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google