uPLAM: Robust Panoptic Localization and Mapping Leveraging Perception Uncertainties

要約

多くの自律航行車両の運用には、堅牢な地図ベースの位置特定システムの利用が不可欠です。
不確実性は知覚の避けられない部分であるため、ナビゲーション スタックの一般的な下流タスクで不確実性を考慮することはロボットの堅牢性にとって有益です。
特に、現代のシステムでは知覚タスクに畳み込みニューラル ネットワーク (CNN) を使用することが多い位置特定およびマッピング方法には、適切な不確実性推定が必要です。
この研究では、不確実性を考慮したパノプティック ローカライゼーションおよびマッピング (uPLAM) を紹介します。これは、パノプティック CNN のピクセル単位の不確実性推定を、現代の認識と古典的な確率的ローカライゼーションおよびマッピングのアプローチを融合するための橋渡しとして使用します。
認識を超えて、不確実性ベースの地図集約手法を導入して、表面セマンティクスとランドマーク インスタンスを含む正確なパノラマ マップを作成します。
さらに、セルごとのマップの不確実性を提供し、知覚の不確実性を使用する粒子フィルターベースの位置特定方法を提示します。
広範な評価により、私たちが提案した不確実性の組み込みにより、信頼性の高い不確実性推定値と向上した位置特定精度を備えたより正確な地図が得られることが示されました。
さらに、パノプティック マッピングと位置特定方法を評価するためのフライブルク パノプティック ドライビング データセットを紹介します。
コードとデータセットは \url{http://uplam.cs.uni-freiburg.de} から入手できます。

要約(オリジナル)

The availability of a robust map-based localization system is essential for the operation of many autonomously navigating vehicles. Since uncertainty is an inevitable part of perception, it is beneficial for the robustness of the robot to consider it in typical downstream tasks of navigation stacks. In particular localization and mapping methods, which in modern systems often employ convolutional neural networks (CNNs) for perception tasks, require proper uncertainty estimates. In this work, we present uncertainty-aware Panoptic Localization and Mapping (uPLAM), which employs pixel-wise uncertainty estimates for panoptic CNNs as a bridge to fuse modern perception with classical probabilistic localization and mapping approaches. Beyond the perception, we introduce an uncertainty-based map aggregation technique to create accurate panoptic maps, containing surface semantics and landmark instances. Moreover, we provide cell-wise map uncertainties, and present a particle filter-based localization method that employs perception uncertainties. Extensive evaluations show that our proposed incorporation of uncertainties leads to more accurate maps with reliable uncertainty estimates and improved localization accuracy. Additionally, we present the Freiburg Panoptic Driving dataset for evaluating panoptic mapping and localization methods. We make our code and dataset available at: \url{http://uplam.cs.uni-freiburg.de}

arxiv情報

提供元, 利用サービス

arxiv.jp, Google