論文の概要: SA-LOAM: Semantic-aided LiDAR SLAM with Loop Closure
- arxiv url: http://arxiv.org/abs/2106.11516v1
- Date: Tue, 22 Jun 2021 03:14:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-24 01:28:16.956522
- Title: SA-LOAM: Semantic-aided LiDAR SLAM with Loop Closure
- Title(参考訳): SA-LOAM:ループクロージャ付きセマンティック支援LiDARSLAM
- Authors: Lin Li, Xin Kong, Xiangrui Zhao, Wanlong Li, Feng Wen, Hongbo Zhang
and Yong Liu
- Abstract要約: LOAM(SA-LOAM)をベースとしたループ閉鎖型セマンティック支援LiDAR SLAMを提案する。
局所化精度を改善し、ループ閉鎖を効果的に検出し、大規模シーンにおいてもグローバルな一貫したセマンティックマップを構築することができる。
- 参考スコア(独自算出の注目度): 12.970919078106634
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LiDAR-based SLAM system is admittedly more accurate and stable than others,
while its loop closure detection is still an open issue. With the development
of 3D semantic segmentation for point cloud, semantic information can be
obtained conveniently and steadily, essential for high-level intelligence and
conductive to SLAM. In this paper, we present a novel semantic-aided LiDAR SLAM
with loop closure based on LOAM, named SA-LOAM, which leverages semantics in
odometry as well as loop closure detection. Specifically, we propose a
semantic-assisted ICP, including semantically matching, downsampling and plane
constraint, and integrates a semantic graph-based place recognition method in
our loop closure detection module. Benefitting from semantics, we can improve
the localization accuracy, detect loop closures effectively, and construct a
global consistent semantic map even in large-scale scenes. Extensive
experiments on KITTI and Ford Campus dataset show that our system significantly
improves baseline performance, has generalization ability to unseen data and
achieves competitive results compared with state-of-the-art methods.
- Abstract(参考訳): LiDARベースのSLAMシステムは、他のシステムよりも正確で安定しているが、ループクロージャ検出はまだ未解決である。
ポイントクラウドのための3dセマンティクスセグメンテーションの開発により、セマンティクス情報は便利かつ着実に得られ、高レベルの知性とslamへの導電性に欠かせない。
本稿では, LOAM(SA-LOAM)と名づけられたループクロージャを用いた新規なセマンティック支援LiDAR SLAMを提案する。
具体的には,semanticly matching,downsampling,plane constraintsを含むsemantic-assisted icpを提案し,ループクロージャ検出モジュールに意味グラフに基づく位置認識手法を統合する。
セマンティクスの利点は、局所化の精度を改善し、ループの閉鎖を効果的に検出し、大規模シーンにおいてもグローバルな一貫したセマンティクスマップを構築することである。
KITTIとFord Campusデータセットの大規模な実験により、我々のシステムはベースライン性能を著しく改善し、データの発見を一般化し、最先端の手法と比較して競合的な結果が得られることを示した。
関連論文リスト
- Loopy-SLAM: Dense Neural SLAM with Loop Closures [56.00799739701623]
ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。
我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。
合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
論文 参考訳(メタデータ) (2024-02-14T18:18:32Z) - DK-SLAM: Monocular Visual SLAM with Deep Keypoints Adaptive Learning,
Tracking and Loop-Closing [14.091675189495426]
適応的な深部局所特徴を持つ視覚的SLAMシステムであるDK-SLAMを提案する。
MAMLはこれらの特徴のトレーニングを最適化し、粗い特徴追跡手法を導入する。
オンライン学習バイナリ機能ベースのオンラインループクロージャモジュールは、シーケンス内のループノードを特定する。
論文 参考訳(メタデータ) (2024-01-17T12:08:30Z) - SemanticTopoLoop: Semantic Loop Closure With 3D Topological Graph Based
on Quadric-Level Object Map [0.8158530638728501]
ループクロージャはSLAMの重要なコンポーネントの1つです。
バッグ・オブ・ワード(英語版)モデルのような伝統的な外見に基づく手法は、しばしば局所的な2D特徴とトレーニングデータの量によって制限される。
論文 参考訳(メタデータ) (2023-11-06T02:30:30Z) - Exploiting Low-confidence Pseudo-labels for Source-free Object Detection [54.98300313452037]
Source-free Object Detection (SFOD) は、ラベル付きソースデータにアクセスすることなく、未ラベルのターゲットドメインにソーストレーニングされた検出器を適応することを目的としている。
現在のSFOD法は適応相におけるしきい値に基づく擬似ラベル手法を用いる。
疑似ラベルを最大限に活用するために,高信頼度と低信頼度しきい値を導入する手法を提案する。
論文 参考訳(メタデータ) (2023-10-19T12:59:55Z) - SAGE-ICP: Semantic Information-Assisted ICP [14.280779681381016]
本稿では,SAGE-ICPという新しい意味情報支援ICP手法を提案する。
スキャン全体の意味情報を3D畳み込みネットワークによりタイムリーかつ効率的に抽出する。
従来のセマンティック支援手法とは異なり,提案手法は大規模シーンにおける局所化精度を向上させることができる。
論文 参考訳(メタデータ) (2023-10-11T06:58:22Z) - Volumetric Semantically Consistent 3D Panoptic Mapping [84.2638617094967]
非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。
マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。
提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
論文 参考訳(メタデータ) (2023-09-26T08:03:10Z) - CONVERT:Contrastive Graph Clustering with Reliable Augmentation [110.46658439733106]
信頼性オーグメンテーション(CONVERT)を用いたContrastiVe Graph ClustEringネットワークを提案する。
本手法では,データ拡張を可逆的パーターブ・リカバリネットワークにより処理する。
セマンティクスの信頼性をさらに保証するために、ネットワークを制約する新たなセマンティクス損失が提示される。
論文 参考訳(メタデータ) (2023-08-17T13:07:09Z) - Rapid Adaptation in Online Continual Learning: Are We Evaluating It
Right? [135.71855998537347]
オンライン連続学習(OCL)アルゴリズムの適応性を評価するための一般的な手法を,オンライン精度の指標を用いて再検討する。
空白のブラインド分類器でさえ、非現実的に高いオンライン精度を達成できるため、この指標は信頼できない。
既存のOCLアルゴリズムは、オンラインの精度も高いが、有用な情報の保持は不十分である。
論文 参考訳(メタデータ) (2023-05-16T08:29:33Z) - An Online Semantic Mapping System for Extending and Enhancing Visual
SLAM [2.538209532048867]
本稿では,2次元から3次元の物体検出パイプラインと,生成されたランドマークの高速なデータアソシエーションを用いた,移動型視覚システムのためのリアルタイムセマンティックマッピング手法を提案する。
我々のシステムは,65msの平均反復時間でリアルタイムに到達し,公開データセット上での最先端SLAMのポーズ推定を最大68%向上させることができる。
論文 参考訳(メタデータ) (2022-03-08T09:14:37Z) - 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) - Density-Aware Graph for Deep Semi-Supervised Visual Recognition [102.9484812869054]
半教師付き学習(SSL)は、視覚認識のためのディープニューラルネットワークの一般化能力を改善するために広く研究されている。
本稿では,周辺情報を容易に活用できる新しい密度対応グラフを構築することでSSL問題を解決することを提案する。
論文 参考訳(メタデータ) (2020-03-30T02:52:40Z)
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。