SD-SLAM: A Semantic SLAM Approach for Dynamic Scenes Based on LiDAR Point Clouds

要約

遠隔で感知された広範なデータを使用して LiDAR センサーによって生成された点群マップは、位置特定とナビゲーションのために自動運転車やロボットによって一般的に使用されます。
ただし、点群マップに含まれる動的オブジェクトは、位置特定の精度とナビゲーションのパフォーマンスを低下させるだけでなく、マップの品質を危険にさらします。
この課題に応えて、本論文では、LiDAR 点群に基づく動的シーンに対する新しいセマンティック SLAM アプローチ (以下、SD-SLAM と呼びます) を提案します。
この研究の主な貢献は 3 つの側面にあります: 1) LiDAR 点群に基づく動的シーン専用のセマンティック SLAM フレームワークの導入、2) 動的ランドマークと半静的ランドマークを効果的に区別するためのセマンティクスとカルマン フィルタリングの採用、および 3)
SD-SLAM プロセスでセマンティック情報を備えた半静的および純粋な静的ランドマークを最大限に活用して、位置特定とマッピングのパフォーマンスを向上させます。
提案された SD-SLAM を評価するために、広く採用されている KITTI オドメトリ データセットを使用してテストが実施されました。
結果は、提案されたSD-SLAMがSLAMに対する動的物体の悪影響を効果的に軽減し、動的シーンにおける車両の位置特定とマッピングのパフォーマンスを向上させ、同時に複数の意味論的クラスを含む静的意味論的マップを構築して環境理解を強化することを示しています。

要約(オリジナル)

Point cloud maps generated via LiDAR sensors using extensive remotely sensed data are commonly used by autonomous vehicles and robots for localization and navigation. However, dynamic objects contained in point cloud maps not only downgrade localization accuracy and navigation performance but also jeopardize the map quality. In response to this challenge, we propose in this paper a novel semantic SLAM approach for dynamic scenes based on LiDAR point clouds, referred to as SD-SLAM hereafter. The main contributions of this work are in three aspects: 1) introducing a semantic SLAM framework dedicatedly for dynamic scenes based on LiDAR point clouds, 2) Employing semantics and Kalman filtering to effectively differentiate between dynamic and semi-static landmarks, and 3) Making full use of semi-static and pure static landmarks with semantic information in the SD-SLAM process to improve localization and mapping performance. To evaluate the proposed SD-SLAM, tests were conducted using the widely adopted KITTI odometry dataset. Results demonstrate that the proposed SD-SLAM effectively mitigates the adverse effects of dynamic objects on SLAM, improving vehicle localization and mapping performance in dynamic scenes, and simultaneously constructing a static semantic map with multiple semantic classes for enhanced environment understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google