Pathfinder for Low-altitude Aircraft with Binary Neural Network

要約

以前のグローバル トポロジ マップ (OpenStreetMap、OSM など) は、地上移動ロボットによる自律マッピングのパフォーマンスを向上させることができます。
ただし、以前のマップは、部分的なパスのラベル付けが不足しているため、通常は不完全です。
この問題を解決するために、この論文は、低高度航空機によって運ばれる航空機センサーを使用する OSM メーカーを提案します。OSM メーカーの核心は、LiDAR とカメラ データに基づく新しい効率的なパスファインダー アプローチ、つまりバイナリ デュアルストリーム道路セグメンテーションです。
モデル。
具体的には、UNet アーキテクチャに基づくマルチスケール特徴抽出が画像と点群に対して実装されています。
点群のまばらさによって引き起こされる影響を軽減するために、画像と点群の特徴を統合するように注意誘導型ゲート ブロックが設計されています。
モデルの効率を高めるために、画像ブランチのエンコーダーとしてのビジョン トランスフォーマー (ViT) アーキテクチャのバリアントや、モデル トレーニングを最適化するための新しい焦点損失と知覚損失など、各モデル コンポーネントに二値化ストリームラインを提案します。
2 つのデータセットに関する実験結果は、私たちのパスファインダー手法が、低レベルの航空機センサーからの経路を見つける際に高い効率で SOTA 精度を達成し、セグメント化された道路骨格に基づいて完全な OSM 事前マップを作成できることを示しています。
コードとデータは、https://github.com/IMRL/Pathfinder}{https://github.com/IMRL/Pathfinder から入手できます。

要約(オリジナル)

A prior global topological map (e.g., the OpenStreetMap, OSM) can boost the performance of autonomous mapping by a ground mobile robot. However, the prior map is usually incomplete due to lacking labeling in partial paths. To solve this problem, this paper proposes an OSM maker using airborne sensors carried by low-altitude aircraft, where the core of the OSM maker is a novel efficient pathfinder approach based on LiDAR and camera data, i.e., a binary dual-stream road segmentation model. Specifically, a multi-scale feature extraction based on the UNet architecture is implemented for images and point clouds. To reduce the effect caused by the sparsity of point cloud, an attention-guided gated block is designed to integrate image and point-cloud features. For enhancing the efficiency of the model, we propose a binarization streamline to each model component, including a variant of vision transformer (ViT) architecture as the encoder of the image branch, and new focal and perception losses to optimize the model training. The experimental results on two datasets demonstrate that our pathfinder method achieves SOTA accuracy with high efficiency in finding paths from the low-level airborne sensors, and we can create complete OSM prior maps based on the segmented road skeletons. Code and data are available at:https://github.com/IMRL/Pathfinder}{https://github.com/IMRL/Pathfinder.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google