論文の概要: Probabilistic Appearance-Invariant Topometric Localization with New Place Awareness

• arxiv url: http://arxiv.org/abs/2107.07707v1
• Date: Fri, 16 Jul 2021 05:01:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-19 22:43:38.011465
• Title: Probabilistic Appearance-Invariant Topometric Localization with New Place Awareness
• Title（参考訳）: 新しい位置認識を伴う確率的出現-不変幾何分布
• Authors: Ming Xu, Tobias Fischer, Niko S\"underhauf, Michael Milford
• Abstract要約: 運動モデルにフル3dof odometryを組み込んで,状態推定フレームワーク内に"オフマップ"状態を追加する,新しいトポロジカルローカライゼーションシステムを提案する。 提案手法は,既存システムと改良型システムの両方に対して,大幅な性能向上を実現している。
• 参考スコア（独自算出の注目度）: 23.615781318030454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic state-estimation approaches offer a principled foundation for designing localization systems, because they naturally integrate sequences of imperfect motion and exteroceptive sensor data. Recently, probabilistic localization systems utilizing appearance-invariant visual place recognition (VPR) methods as the primary exteroceptive sensor have demonstrated state-of-the-art performance in the presence of substantial appearance change. However, existing systems 1) do not fully utilize odometry data within the motion models, and 2) are unable to handle route deviations, due to the assumption that query traverses exactly repeat the mapping traverse. To address these shortcomings, we present a new probabilistic topometric localization system which incorporates full 3-dof odometry into the motion model and furthermore, adds an "off-map" state within the state-estimation framework, allowing query traverses which feature significant route detours from the reference map to be successfully localized. We perform extensive evaluation on multiple query traverses from the Oxford RobotCar dataset exhibiting both significant appearance change and deviations from routes previously traversed. In particular, we evaluate performance on two practically relevant localization tasks: loop closure detection and global localization. Our approach achieves major performance improvements over both existing and improved state-of-the-art systems.
• Abstract（参考訳）: 確率的状態推定アプローチは、不完全な動きと外部受容センサデータのシーケンスを自然に統合するため、ローカライズシステムを設計するための基本となる。 近年, 外観不変視覚位置認識 (vpr) 法を主刺激センサとして用いた確率的位置推定システムが, 外観変化の存在下での最先端性能を実証している。 しかし,既存のシステム(1)では,移動モデル内でのドメトリデータを完全に活用できず,(2)クエリトラバースがマッピングトラバースを正確に繰り返すという仮定のため,経路ずれを処理できない。 これらの欠点に対処するため,動作モデルにフル3dofオドメトリーを組み込んだ新しい確率的トポロジカルローカライゼーションシステムを提案し,さらに,状態推定フレームワーク内に「オフマップ」状態を追加し,参照マップから重要な経路デトラクションを特徴付けるクエリトラバースを正常にローカライズする。 オックスフォード・ロボットカーのデータセットから得られた複数の問合せトラバースについて,先行する経路から有意な外観変化と逸脱の両方を示す広範な評価を行った。 特に,ループクロージャ検出とグローバルローカライゼーションという2つの実用的なローカライゼーションタスクの性能を評価する。 提案手法は,既存システムと改良型システムの両方に対して,大幅な性能向上を実現する。

関連論文リスト

• RING#: PR-by-PE Global Localization with Roto-translation Equivariant Gram Learning [20.688641105430467]
  GPS信号が信頼できない場合、グローバルなローカライゼーションは自動運転やロボティクスの応用において不可欠である。 ほとんどのアプローチは、逐次位置認識(PR)とポーズ推定(PE)により、グローバルなローカライゼーションを実現する。 ポーズ推定から直接導出することで、別の場所認識の必要性を回避できる新しいパラダイムであるPR-by-PEローカライゼーションを導入する。 本稿では,鳥眼視(BEV)空間で動作する終端PR-by-PEローカライゼーションネットワークであるRING#を提案する。
  論文  参考訳（メタデータ） (2024-08-30T18:42:53Z)
• Produce Once, Utilize Twice for Anomaly Detection [6.501323305130114]
  我々は、再構成ネットワークにおける識別情報電位を再利用することにより、精度と効率を両立させるPOUTAを導出する。 POUTAは、特別な設計をせずに、最先端の数発の異常検出方法よりも優れた性能を実現している。
  論文  参考訳（メタデータ） (2023-12-20T10:49:49Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• TReR: A Lightweight Transformer Re-Ranking Approach for 3D LiDAR Place Recognition [2.6619797838632966]
  3D LiDARに基づくローカライズ手法では, 検索に基づく位置認識を用いて, 効率よく再訪場所を見つけることができる。 この研究は、情報検索の観点からこの問題に取り組み、ファーストレトリーブ・then-re-levelパラダイムを採用する。 提案手法は,場所認識モデルに依存せず,グローバルな記述子のみに依存する。
  論文  参考訳（メタデータ） (2023-05-29T11:10:38Z)
• Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
  LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。 本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
  論文  参考訳（メタデータ） (2022-03-11T01:12:00Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• Deep Multi-Task Learning for Joint Localization, Perception, and Prediction [68.50217234419922]
  本稿では,ローカライズエラー下の最先端の自律性スタックで発生する問題について検討する。 我々は,認識,予測,局所化を共同で行うシステムの設計を行う。 本アーキテクチャでは,両タスク間の計算を再利用し,効率よくローカライズエラーを修正できる。
  論文  参考訳（メタデータ） (2021-01-17T17:20:31Z)
• Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
  視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。 特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。 我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
  論文  参考訳（メタデータ） (2020-12-02T18:19:51Z)
• Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
  メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。 地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。 提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-01T19:24:27Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)
• Orientation Attentive Robotic Grasp Synthesis with Augmented Grasp Map Representation [62.79160608266713]
  物体の形態学的特徴は、ロボットの把握の視覚的学習を阻害する、幅広い可視的把握方向を提供する可能性がある。 既存のグリップ生成アプローチを呪い、グリップポイント毎に大きく異なる向きのアノテーションを集約することにより、不連続グリップマップを構築する。 そこで本研究では,角度空間を複数のビンに分割することで,方向を局所的に歪曲する,画素ワイズ合成に適した拡張型グリップマップ表現を提案する。
  論文  参考訳（メタデータ） (2020-06-09T08:54:54Z)

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。