論文の概要: General Place Recognition Survey: Towards the Real-world Autonomy Age
- arxiv url: http://arxiv.org/abs/2209.04497v1
- Date: Fri, 9 Sep 2022 19:37:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 13:49:52.752249
- Title: General Place Recognition Survey: Towards the Real-world Autonomy Age
- Title（参考訳）: 一般地名認識調査 : 現実の自律化時代に向けて
- Authors: Peng Yin, Shiqi Zhao, Ivan Cisneros, Abulikemu Abuduweili, Guoquan
Huang, Micheal Milford, Changliu Liu, Howie Choset, and Sebastian Scherer
- Abstract要約: 場所認識コミュニティは、過去20年間に驚くべき進歩を遂げてきた。
複雑な実世界のシナリオにおいて、期待できる位置認識性能を示す手法はほとんどない。
本論文は,場所認識コミュニティと長期ロボット工学の自律性に関心を持つ研究者を対象としたチュートリアルである。
- 参考スコア（独自算出の注目度）: 36.49196034588173
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Place recognition is the fundamental module that can assist Simultaneous
Localization and Mapping (SLAM) in loop-closure detection and re-localization
for long-term navigation. The place recognition community has made astonishing
progress over the last $20$ years, and this has attracted widespread research
interest and application in multiple fields such as computer vision and
robotics. However, few methods have shown promising place recognition
performance in complex real-world scenarios, where long-term and large-scale
appearance changes usually result in failures. Additionally, there is a lack of
an integrated framework amongst the state-of-the-art methods that can handle
all of the challenges in place recognition, which include appearance changes,
viewpoint differences, robustness to unknown areas, and efficiency in
real-world applications. In this work, we survey the state-of-the-art methods
that target long-term localization and discuss future directions and
opportunities.
We start by investigating the formulation of place recognition in long-term
autonomy and the major challenges in real-world environments. We then review
the recent works in place recognition for different sensor modalities and
current strategies for dealing with various place recognition challenges.
Finally, we review the existing datasets for long-term localization and
introduce our datasets and evaluation API for different approaches. This paper
can be a tutorial for researchers new to the place recognition community and
those who care about long-term robotics autonomy. We also provide our opinion
on the frequently asked question in robotics: Do robots need accurate
localization for long-term autonomy? A summary of this work and our datasets
and evaluation API is publicly available to the robotics community at:
https://github.com/MetaSLAM/GPRS.
- Abstract（参考訳）: 位置認識は、ループ閉鎖検出と長期ナビゲーションのための再局在化において、SLAM(Salmultaneous Localization and Mapping)を補助する基本的なモジュールである。
場所認識コミュニティは、過去20ドルにわたって驚くべき進歩を遂げており、コンピュータビジョンやロボティクスなど、さまざまな分野で広く研究や応用が進められている。
しかし、長期および大規模の外観変化が通常失敗に繋がる複雑な実世界シナリオにおいて、有望な位置認識性能を示す方法はほとんどない。
さらに、見かけの変化、視点の違い、未知の領域に対する堅牢性、現実世界のアプリケーションにおける効率性など、場所認識におけるすべての課題を処理できる最先端のメソッドに統合されたフレームワークが欠如している。
本研究では, 長期的局在化を目標とした最先端の手法を調査し, 今後の方向性と機会について考察する。
まず,長期的な自律性における場所認識の定式化と,実環境における主要な課題について検討する。
次に、センサの異なる位置認識に関する最近の研究と、様々な位置認識課題に対処するための現在の戦略を概観する。
最後に,既存のデータセットの長期的ローカライズについて検討し,異なるアプローチのためのデータセットと評価apiを紹介する。
本論文は,場所認識コミュニティと長期ロボット工学の自律性に関心を持つ研究者を対象としたチュートリアルである。
ロボットは長期的な自律性のために正確なローカライズを必要としているか?
この作業の概要とデータセットと評価apiは、ロボティクスコミュニティに対して、https://github.com/metaslam/gprs.com/で公開されている。
関連論文リスト
- 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) - Collection and Evaluation of a Long-Term 4D Agri-Robotic Dataset [8.81442358588687]
我々は、数ヵ月にわたってデータ収集を行うために、自動移動ロボットをブドウ畑に長期展開する取り組みを報告している。
主な目的は、マッピングやローカライゼーションタスクにおける環境変化の影響を分析するために、同じエリアから異なる時点のデータを収集することである。
本研究は,4つのデータセッションを取り入れた地図に基づくローカライゼーション研究であり,事前構築された地図が環境の現況と視覚的に異なる場合に期待される失敗を同定する。
論文 参考訳（メタデータ） (2022-11-25T10:39:04Z) - Incremental 3D Scene Completion for Safe and Efficient Exploration
Mapping and Planning [60.599223456298915]
本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。
本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。
最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
論文 参考訳（メタデータ） (2022-08-17T14:19:33Z) - Place recognition survey: An update on deep learning approaches [0.6352264764099531]
本稿では,場所認識における最近の手法,特に深層学習に基づく手法について検討する。
この研究の貢献は2つある: 位置認識に適用された3D LiDARやRADARといった最近のセンサーを調査する。
この調査は、さまざまなDLベースの作業について検討し、各フレームワークの要約を提示します。
論文 参考訳（メタデータ） (2021-06-19T09:17:15Z) - DARE-SLAM: Degeneracy-Aware and Resilient Loop Closing in
Perceptually-Degraded Environments [4.34118539186713]
自律探査における重要な要件は、未知の環境の正確で一貫したマップを構築することである。
位置認識を改善し,3次元位置の曖昧さを解消するために,デジェネリアシー・アウェアとドリフト・レジリエント・ループ・クロージング法を提案する。
論文 参考訳（メタデータ） (2021-02-09T20:37:17Z) - Survey on the Analysis and Modeling of Visual Kinship: A Decade in the
Making [66.72253432908693]
親和性認識は多くの実践的応用において難しい問題である。
我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。
10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
論文 参考訳（メタデータ） (2020-06-29T13:25:45Z) - A Survey on Deep Learning for Localization and Mapping: Towards the Age
of Spatial Machine Intelligence [48.67755344239951]
包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。
オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。
この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
論文 参考訳（メタデータ） (2020-06-22T19:01:21Z) - Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。
人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
論文 参考訳（メタデータ） (2020-01-13T12:49:22Z)
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。