論文の概要: DL-SLOT: Dynamic Lidar SLAM and Object Tracking Based On Graph Optimization

• arxiv url: http://arxiv.org/abs/2202.11431v1
• Date: Wed, 23 Feb 2022 11:22:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-24 15:45:50.464722
• Title: DL-SLOT: Dynamic Lidar SLAM and Object Tracking Based On Graph Optimization
• Title（参考訳）: DL-SLOT:グラフ最適化に基づく動的ライダーSLAMとオブジェクト追跡
• Authors: Xuebo Tian, Junqiao Zhao, Chen Ye
• Abstract要約: エゴ位置推定と動的物体追跡は、自律運転システムにおける2つの重要な問題である。 本稿では,動的Lidar SLAMとオブジェクト追跡手法であるDL-SLOTを提案する。 我々はこのフレームワークでSLAMとオブジェクトトラッキングを同時に実行し、高ダイナミックな道路シナリオにおけるSLAMの堅牢性と精度を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 2.889268075288957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ego-pose estimation and dynamic object tracking are two key issues in an autonomous driving system. Two assumptions are often made for them, i.e. the static world assumption of simultaneous localization and mapping (SLAM) and the exact ego-pose assumption of object tracking, respectively. However, these assumptions are difficult to hold in highly dynamic road scenarios where SLAM and object tracking become correlated and mutually beneficial. In this paper, DL-SLOT, a dynamic Lidar SLAM and object tracking method is proposed. This method integrates the state estimations of both the ego vehicle and the static and dynamic objects in the environment into a unified optimization framework, to realize SLAM and object tracking (SLOT) simultaneously. Firstly, we implement object detection to remove all the points that belong to potential dynamic objects. Then, LiDAR odometry is conducted using the filtered point cloud. At the same time, detected objects are associated with the history object trajectories based on the time-series information in a sliding window. The states of the static and dynamic objects and ego vehicle in the sliding window are integrated into a unified local optimization framework. We perform SLAM and object tracking simultaneously in this framework, which significantly improves the robustness and accuracy of SLAM in highly dynamic road scenarios and the accuracy of objects' states estimation. Experiments on public datasets have shown that our method achieves better accuracy than A-LOAM.
• Abstract（参考訳）: ego-pose推定と動的物体追跡は、自動運転システムにおける2つの重要な問題である。 2つの仮定、すなわち、同時ローカライゼーションとマッピングの静的世界仮定(slam)と、オブジェクト追跡の正確なエゴポジット仮定(ego-pose assumption)である。 しかし、これらの仮定はSLAMとオブジェクト追跡が相互に相関し有益になるような、非常にダイナミックな道路シナリオでは成り立たない。 本稿では,動的Lidar SLAMとオブジェクト追跡手法であるDL-SLOTを提案する。 本手法は,エゴ車両と環境中の静的および動的オブジェクトの両方の状態推定を統一最適化フレームワークに統合し,SLAMとオブジェクト追跡(SLOT)を同時に実現する。 まず、潜在的な動的オブジェクトに属するすべてのポイントを取り除くために、オブジェクト検出を実装します。 次に、フィルタされた点雲を用いてLiDARオドメトリーを行う。 同時に、スライディングウインドウ内の時系列情報に基づいて、検出されたオブジェクトを履歴オブジェクト軌跡に関連付ける。 スライディングウィンドウにおける静的および動的オブジェクトおよびエゴ車両の状態は、統一された局所最適化フレームワークに統合される。 我々はこのフレームワークでSLAMとオブジェクトトラッキングを同時に実行し、高ダイナミックな道路シナリオにおけるSLAMの堅牢性と精度とオブジェクトの状態推定の精度を大幅に向上させる。 提案手法はA-LOAMよりも精度が高いことを示す。

関連論文リスト

• UniQuadric: A SLAM Backend for Unknown Rigid Object 3D Tracking and Light-Weight Modeling [7.626461564400769]
  本稿では,エゴモーショントラッキング,剛体オブジェクトモーショントラッキング,モデリングを統一するSLAMバックエンドを提案する。 本システムは,複雑な動的シーンにおける物体知覚の潜在的な応用を実証する。
  論文  参考訳（メタデータ） (2023-09-29T07:50:09Z)
• DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object Detection and Tracking [67.34803048690428]
  本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。 DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。 フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
  論文  参考訳（メタデータ） (2023-03-29T12:33:55Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• Using Detection, Tracking and Prediction in Visual SLAM to Achieve Real-time Semantic Mapping of Dynamic Scenarios [70.70421502784598]
  RDS-SLAMは、一般的に使用されているIntel Core i7 CPUのみを使用して、動的シナリオのためのオブジェクトレベルでのセマンティックマップをリアルタイムで構築することができる。 我々は, TUM RGB-DデータセットにおけるRDS-SLAMを評価し, 動的シナリオにおいて, RDS-SLAMはフレームあたり30.3msで動作可能であることを示した。
  論文  参考訳（メタデータ） (2022-10-10T11:03:32Z)
• TwistSLAM++: Fusing multiple modalities for accurate dynamic semantic SLAM [0.0]
  TwistSLAM++は、ステレオ画像とLiDAR情報を融合するセマンティックでダイナミックなSLAMシステムである。 従来のベンチマークでは,マルチモーダル情報に基づく融合手法によりオブジェクト追跡の精度が向上していることが示されている。
  論文  参考訳（メタデータ） (2022-09-16T12:28:21Z)
• AirDOS: Dynamic SLAM benefits from Articulated Objects [9.045690662672659]
  オブジェクト認識SLAM(DOS)は、動的環境におけるロバストな動き推定を可能にするためにオブジェクトレベル情報を利用する。 AirDOSは、動的な調音オブジェクトを組み込むことで、カメラのポーズ推定を改善することができることを示す最初の動的オブジェクト認識SLAMシステムである。
  論文  参考訳（メタデータ） (2021-09-21T01:23:48Z)
• DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM [2.9822184411723645]
  DynaSLAM IIは、ステレオおよびRGB-D構成のための視覚的SLAMシステムであり、マルチオブジェクト追跡機能を密に統合している。 動的物体の追跡はシーン理解のための豊富な手がかりを提供するだけでなく、カメラ追跡にも有用であることを示す。
  論文  参考訳（メタデータ） (2020-10-15T15:25:30Z)
• DOT: Dynamic Object Tracking for Visual SLAM [83.69544718120167]
  DOTはインスタンスセグメンテーションとマルチビュー幾何を組み合わせて、動的オブジェクトのマスクを生成する。 実際にどのオブジェクトが動いているかを判断するために、DOTは、潜在的にダイナミックなオブジェクトの最初のインスタンスを抽出し、次に推定されたカメラモーションで、測光再投射誤差を最小限にして、そのようなオブジェクトを追跡する。 提案手法はORB-SLAM 2の精度とロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2020-09-30T18:36:28Z)
• SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
  マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。 観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-18T03:40:25Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)

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。