Evaluating Visual Odometry Methods for Autonomous Driving in Rain

要約

自律走行車の需要が高まるにつれ、悪天候下でも効果的に動作する堅牢なナビゲーション・システムに対するニーズが高まっている。ビジュアルオドメトリーは、このような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って車両の位置と動きを推定することができます。しかし、ビジュアルオドメトリの精度は、大雨、雪、霧などの厳しい気象条件下で大きな影響を受ける可能性があります。本論文では、我々のDROID-SLAMベースのヒューリスティックアプローチを含む、様々なビジュアルオドメトリー手法を評価する。具体的には、これらのアルゴリズムを晴天と雨天の両方の都市走行データでテストし、その頑健性を評価する。我々は、様々な都市の様々な雨天条件からなるデータセットを作成した。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した内部データセットが含まれる。絶対軌跡誤差（ATE）を用いて、単眼カメラとステレオカメラの両方のセットアップについて、さまざまな視覚オドメトリ・アルゴリズムを評価しました。評価された様々なアプローチから、単眼セットアップのDepth and Flow for Visual Odometry (DF-VO)アルゴリズムが近距離（500m未満）で最も良い結果を示し、ステレオセットアップのDROID-SLAMベースのヒューリスティックアプローチが長期的な定位で比較的良い結果を示すことが示唆された。どちらのVOアルゴリズムも、雨中でのローカライゼーションには、よりロバスト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る。

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, DeepL