LESS-Map: Lightweight and Evolving Semantic Map in Parking Lots for Long-term Self-Localization

要約

自動運転や自動バレーパーキング、\textit{etc} などのタスクの駐車場では、正確かつ長期的に安定した位置特定が不可欠です。
既存の方法は、固定されたメモリ効率の悪いマップに依存しており、堅牢なデータ関連付けアプローチが欠けています。
また、正確な位置特定や長期にわたる地図の保守には適していません。
この論文では、低コストのカメラを利用した、地上の意味論的特徴に基づく新しいマッピング、位置特定、および地図更新システムを提案します。
我々は、改善されたデータの関連付けを確立し、センチメートルレベルで正確な位置特定を達成するための、正確で軽量なパラメータ化方法を提案します。
さらに、パラメータ化されたセマンティック特徴に対する高品質のデータ関連付けを実装することで、センチメートルレベルの精度を維持しながら、再位置特定中の継続的な地図の更新と改良を可能にする、新しい地図更新アプローチを提案します。
提案された方法のパフォーマンスを実際の実験で検証し、最先端のアルゴリズムと比較します。
提案された方法は、登録プロセス中に平均 5cm の精度向上を達成します。
生成されたマップは 450 KB/km のコンパクトなサイズのみを消費し、継続的な更新を通じて進化する環境に適応し続けます。

要約(オリジナル)

Precise and long-term stable localization is essential in parking lots for tasks like autonomous driving or autonomous valet parking, \textit{etc}. Existing methods rely on a fixed and memory-inefficient map, which lacks robust data association approaches. And it is not suitable for precise localization or long-term map maintenance. In this paper, we propose a novel mapping, localization, and map update system based on ground semantic features, utilizing low-cost cameras. We present a precise and lightweight parameterization method to establish improved data association and achieve accurate localization at centimeter-level. Furthermore, we propose a novel map update approach by implementing high-quality data association for parameterized semantic features, allowing continuous map update and refinement during re-localization, while maintaining centimeter-level accuracy. We validate the performance of the proposed method in real-world experiments and compare it against state-of-the-art algorithms. The proposed method achieves an average accuracy improvement of 5cm during the registration process. The generated maps consume only a compact size of 450 KB/km and remain adaptable to evolving environments through continuous update.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google