論文の概要: Lightweight Object-level Topological Semantic Mapping and Long-term
Global Localization based on Graph Matching
- arxiv url: http://arxiv.org/abs/2201.05977v1
- Date: Sun, 16 Jan 2022 05:47:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 17:50:22.855275
- Title: Lightweight Object-level Topological Semantic Mapping and Long-term
Global Localization based on Graph Matching
- Title（参考訳）: グラフマッチングに基づく軽量オブジェクトレベルのトポロジカルセマンティックマッピングと長期グローバルローカライゼーション
- Authors: Fan Wang, Chaofan Zhang, Fulin Tang, Hongkui Jiang, Yihong Wu, and
Yong Liu
- Abstract要約: 本稿では,高精度でロバストなオブジェクトレベルのマッピングとローカライズ手法を提案する。
我々は、環境のランドマークをモデル化するために、意味情報と幾何学情報の両方を持つオブジェクトレベルの特徴を使用する。
提案したマップに基づいて,新たな局所的シーングラフ記述子を構築することにより,ロバストなローカライゼーションを実現する。
- 参考スコア（独自算出の注目度）: 19.706907816202946
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mapping and localization are two essential tasks for mobile robots in
real-world applications. However, largescale and dynamic scenes challenge the
accuracy and robustness of most current mature solutions. This situation
becomes even worse when computational resources are limited. In this paper, we
present a novel lightweight object-level mapping and localization method with
high accuracy and robustness. Different from previous methods, our method does
not need a prior constructed precise geometric map, which greatly releases the
storage burden, especially for large-scale navigation. We use object-level
features with both semantic and geometric information to model landmarks in the
environment. Particularly, a learning topological primitive is first proposed
to efficiently obtain and organize the object-level landmarks. On the basis of
this, we use a robot-centric mapping framework to represent the environment as
a semantic topology graph and relax the burden of maintaining global
consistency at the same time. Besides, a hierarchical memory management
mechanism is introduced to improve the efficiency of online mapping with
limited computational resources. Based on the proposed map, the robust
localization is achieved by constructing a novel local semantic scene graph
descriptor, and performing multi-constraint graph matching to compare scene
similarity. Finally, we test our method on a low-cost embedded platform to
demonstrate its advantages. Experimental results on a large scale and
multi-session real-world environment show that the proposed method outperforms
the state of arts in terms of lightweight and robustness.
- Abstract（参考訳）: マッピングとローカライゼーションは、現実のアプリケーションにおいて、モバイルロボットにとって重要な2つのタスクである。
しかし、大規模でダイナミックなシーンは、現在のほとんどの成熟したソリューションの正確性と堅牢性に挑戦している。
計算資源が限られると、この状況はさらに悪化する。
本稿では,高精度でロバストな,軽量なオブジェクトレベルのマッピングとローカライズ手法を提案する。
従来の方法とは異なり,事前構築された正確な幾何写像は必要とせず,特に大規模ナビゲーションにおいてストレージの負担を大幅に軽減する。
環境のランドマークをモデル化するために,意味情報と幾何学情報の両方を持つオブジェクトレベルの特徴を用いる。
特に、学習トポロジカルプリミティブが最初に提案され、オブジェクトレベルのランドマークを効率的に取得し、整理する。
これに基づいて,ロボット中心のマッピングフレームワークを用いて,環境を意味トポロジグラフとして表現し,同時にグローバル一貫性を維持することの負担を緩和する。
また、計算資源の少ないオンラインマッピングの効率を向上させるために階層的メモリ管理機構が導入された。
提案したマップに基づいて,新たな局所的なシーングラフ記述子を構築し,シーンの類似性を比較するためにマルチ制約グラフマッチングを実行することで,ロバストなローカライゼーションを実現する。
最後に,提案手法を低コストな組込みプラットフォーム上でテストし,その利点を実証する。
大規模かつマルチセッションな実環境における実験結果から,提案手法は軽量で堅牢性に優れることがわかった。
関連論文リスト
- Topograph: An efficient Graph-Based Framework for Strictly Topology Preserving Image Segmentation [78.54656076915565]
位相的正しさは多くの画像分割タスクにおいて重要な役割を果たす。
ほとんどのネットワークは、Diceのようなピクセル単位の損失関数を使って、トポロジカルな精度を無視して訓練されている。
トポロジ的に正確な画像セグメンテーションのための新しいグラフベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-05T16:20:14Z) - NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。
パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。
提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
論文 参考訳（メタデータ） (2024-10-15T10:54:49Z) - Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - PRISM-TopoMap: Online Topological Mapping with Place Recognition and Scan Matching [42.74395278382559]
本稿では,局所的な位置のグラフを保持するトポロジカルマッピング手法であるPRISM-TopoMapを紹介する。
提案手法は,ローカライゼーションとループ閉鎖のためのスキャンマッチングパイプラインと組み合わせた学習可能なマルチモーダル位置認識を含む。
提案手法の広範な実験的評価を,写真実写環境および実ロボット上で行った。
論文 参考訳（メタデータ） (2024-04-02T06:25:16Z) - Mapping High-level Semantic Regions in Indoor Environments without
Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。
地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。
グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文 参考訳（メタデータ） (2024-03-11T18:09:50Z) - GraNet: A Multi-Level Graph Network for 6-DoF Grasp Pose Generation in
Cluttered Scenes [0.5755004576310334]
GraNetはグラフベースのグリップポーズ生成フレームワークで、ポイントクラウドシーンをマルチレベルグラフに変換する。
このパイプラインは, 散在するシーンにおけるグリップの空間分布を特徴付けることができ, 効果的グリップの速度が向上する。
提案手法は,大規模GraspNet-1Billionベンチマークにおいて,特に未確認オブジェクトの把握において,最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-12-06T08:36:29Z) - Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
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) - 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) - Locally induced Gaussian processes for large-scale simulation
experiments [0.0]
本稿では,ポイントの配置とその多さを病理学的に抑制できることを示す。
提案手法は,グローバルなインジェクションポイントとデータサブセットに基づく局所GP近似をハイブリダイズする。
計算効率のフロンティアにおいて,局所誘導点がグローバルおよびデータサブセットの構成要素を拡張していることを示す。
論文 参考訳（メタデータ） (2020-08-28T21:37:46Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z)
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。