要約
3D LiDAR ベースの場所認識は、レーザー光線に対して半透過性であるため、独特の課題を抱えている園芸環境では依然としてほとんど研究されていません。
この特性により、多くの場合、隣接する行からの LiDAR スキャンが非常に類似する結果となり、記述子のあいまいさが生じ、その結果、検索パフォーマンスが低下します。
この研究では、園芸環境における 3D LiDAR の場所認識の課題に対処し、特に 3 つの重要な貢献を導入することで列間のあいまいさに焦点を当てます: (i) 統計的にインスピレーションを得た 2 つのアグリゲーターの出力を組み合わせた新しいモデル PointNetPGAP
単一の記述子。
(ii) セグメントレベルの一貫性 (SLC) モデル。記述子の堅牢性を高めるためにトレーニング中にのみ使用されます。
(iii) 果樹園とイチゴ畑からの LiDAR シーケンスを含む、HORTO-3DLM データセット。
HORTO-3DLM および KITTI オドメトリ データセットに対して行われた実験評価では、特に SLC モデルが適用された場合に、PointNetPGAP が OverlapTransformer や PointNetVLAD などの最先端のモデルよりも優れたパフォーマンスを発揮することが実証されています。
これらの結果は、曖昧性の高いセグメントでの検索パフォーマンスを大幅に向上させることにより、特に園芸環境においてこのモデルの優位性を強調しています。
要約(オリジナル)
3D LiDAR-based place recognition remains largely underexplored in horticultural environments, which present unique challenges due to their semi-permeable nature to laser beams. This characteristic often results in highly similar LiDAR scans from adjacent rows, leading to descriptor ambiguity and, consequently, compromised retrieval performance. In this work, we address the challenges of 3D LiDAR place recognition in horticultural environments, particularly focusing on inter-row ambiguity by introducing three key contributions: (i) a novel model, PointNetPGAP, which combines the outputs of two statistically-inspired aggregators into a single descriptor; (ii) a Segment-Level Consistency (SLC) model, used exclusively during training to enhance descriptor robustness; and (iii) the HORTO-3DLM dataset, comprising LiDAR sequences from orchards and strawberry fields. Experimental evaluations conducted on the HORTO-3DLM and KITTI Odometry datasets demonstrate that PointNetPGAP outperforms state-of-the-art models, including OverlapTransformer and PointNetVLAD, particularly when the SLC model is applied. These results underscore the model’s superiority, especially in horticultural environments, by significantly improving retrieval performance in segments with higher ambiguity.
arxiv情報
| 著者 | T. Barros,L. Garrote,P. Conde,M. J. Coombes,C. Liu,C. Premebida,U. J. Nunes |
| 発行日 | 2024-10-01 12:23:05+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google