論文の概要: LCDNet: Deep Loop Closure Detection for LiDAR SLAM based on Unbalanced
Optimal Transport
- arxiv url: http://arxiv.org/abs/2103.05056v1
- Date: Mon, 8 Mar 2021 20:19:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-10 15:04:15.276225
- Title: LCDNet: Deep Loop Closure Detection for LiDAR SLAM based on Unbalanced
Optimal Transport
- Title(参考訳): LCDNet:不均衡な最適輸送に基づくLiDAR SLAMのディープループクロージャ検出
- Authors: Daniele Cattaneo, Matteo Vaghi, Abhinav Valada
- Abstract要約: LiDAR ポイント クラウドのループ クロージャを効果的に検出する新しい LCDNet を紹介します。
LCDNetは、共有エンコーダ、グローバルディスクリプタを抽出する場所認識ヘッド、および2つの点雲間の変換を推定する相対ポーズヘッドで構成されています。
私たちのアプローチは、逆ループを扱う場合でも、最先端の技術を大きなマージンで上回る。
- 参考スコア(独自算出の注目度): 8.21384946488751
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Loop closure detection is an essential component of Simultaneous Localization
and Mapping (SLAM) systems, which reduces the drift accumulated over time. Over
the years, several deep learning approaches have been proposed to address this
task, however their performance has been subpar compared to handcrafted
techniques, especially while dealing with reverse loops. In this paper, we
introduce the novel LCDNet that effectively detects loop closures in LiDAR
point clouds by simultaneously identifying previously visited places and
estimating the 6-DoF relative transformation between the current scan and the
map. LCDNet is composed of a shared encoder, a place recognition head that
extracts global descriptors, and a relative pose head that estimates the
transformation between two point clouds. We introduce a novel relative pose
head based on the unbalanced optimal transport theory that we implement in a
differentiable manner to allow for end-to-end training. Extensive evaluations
of LCDNet on multiple real-world autonomous driving datasets show that our
approach outperforms state-of-the-art techniques by a large margin even while
dealing with reverse loops. Moreover, we integrate our proposed loop closure
detection approach into a LiDAR SLAM library to provide a complete mapping
system and demonstrate the generalization ability using different sensor setup
in an unseen city.
- Abstract(参考訳): ループクロージャ検出は、時間とともに蓄積されるドリフトを減少させる同時局所化マッピングシステム(SLAM)の不可欠な構成要素である。
長年にわたり、この課題に対処するためにいくつかのディープラーニングアプローチが提案されてきたが、特に逆ループを扱う場合、手作り技術に比べて性能は劣っている。
本論文では,LiDAR点群のループクロージャを効率的に検出するLCDNetについて,以前に訪れた場所を同時に識別し,現在のスキャンとマップの6-DoF相対変換を推定する。
LCDNetは、共有エンコーダ、グローバルディスクリプタを抽出する場所認識ヘッド、および2つの点雲間の変換を推定する相対ポーズヘッドで構成されています。
我々は,エンドツーエンドのトレーニングを可能にするために,不均衡な最適移動理論に基づく新しい相対的ポーズヘッドを提案する。
複数の実世界の自動運転データセット上でのLCDNetの広範な評価は、私たちのアプローチが逆ループを扱う場合でも、大きなマージンで最先端の技術を上回ることを示しています。
さらに,提案したループクロージャ検出手法をLiDAR SLAMライブラリに統合して完全なマッピングシステムを提供し,未知の都市における異なるセンサ設定を用いた一般化能力を実証する。
関連論文リスト
- OverlapMamba: Novel Shift State Space Model for LiDAR-based Place Recognition [10.39935021754015]
位置認識のための新しいネットワークであるOverlapMambaを開発した。
本手法は,以前に訪れた場所を異なる方向から横断する場合でも,ループの閉鎖を効果的に検出する。
生のレンジビューの入力に基づいて、典型的なLiDARと複数ビューの組み合わせ法を時間的複雑さと速度で上回っている。
論文 参考訳(メタデータ) (2024-05-13T17:46:35Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳(メタデータ) (2024-03-26T17:46:25Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳(メタデータ) (2023-07-03T04:10:55Z) - Loop closure detection using local 3D deep descriptors [22.93552565583209]
局所3次元深部記述子(L3D)を用いた同時局所化・マッピングにおけるループ閉鎖検出手法を提案する。
本稿では,互いにアレスト近傍の記述子に対応する点間の距離誤差を計算し,ループ検出のための新しい重なり測定手法を提案する。
この手法により,ループを正確に検出し,重なりが小さければ6自由度ポーズを推定できる。
論文 参考訳(メタデータ) (2021-10-31T09:18:38Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳(メタデータ) (2020-11-19T05:42:02Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2020-10-28T22:24:07Z) - Robust Odometry and Mapping for Multi-LiDAR Systems with Online
Extrinsic Calibration [15.946728828122385]
本稿では,複数のLiDARのロバストかつ同時キャリブレーション,オドメトリー,マッピングを実現するシステムを提案する。
キャリブレーションとSLAMのための10列(全長4.60km)の広範囲な実験により,本手法の性能を検証した。
提案手法は,様々なマルチLiDARセットアップのための完全で堅牢なシステムであることを示す。
論文 参考訳(メタデータ) (2020-10-27T13:51:26Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳(メタデータ) (2020-08-19T13:13:01Z) - A Novel CNN-based Method for Accurate Ship Detection in HR Optical
Remote Sensing Images via Rotated Bounding Box [10.689750889854269]
船舶検出における現在のCNN法に共通する欠点を克服し, 新たなCNNに基づく船舶検出手法を提案する。
配向と他の変数を独立に予測できるが、より効果的に、新しい二分岐回帰ネットワークで予測できる。
船体検出において提案手法が優れていることを示す実験結果が得られた。
論文 参考訳(メタデータ) (2020-04-15T14:48:46Z) - A Compressive Sensing Approach for Federated Learning over Massive MIMO
Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。
本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文 参考訳(メタデータ) (2020-03-18T05:56:27Z) - Online LiDAR-SLAM for Legged Robots with Robust Registration and
Deep-Learned Loop Closure [7.861777781616249]
本稿では,最先端の深い特徴に基づくループ閉包検出器を組み込んだ因子グラフLiDAR-SLAMシステムを提案する。
本システムは,LiDARセンサのみを使用し,四足歩行ロボットのナビゲーションPC上で動作させるために開発された。
論文 参考訳(メタデータ) (2020-01-28T10:30:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。