論文の概要: Why semantics matters: A deep study on semantic particle-filtering localization in a LiDAR semantic pole-map

• arxiv url: http://arxiv.org/abs/2305.14038v1
• Date: Tue, 23 May 2023 13:09:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 16:22:12.403363
• Title: Why semantics matters: A deep study on semantic particle-filtering localization in a LiDAR semantic pole-map
• Title（参考訳）: セマンティクスが重要な理由:lidarセマンティクスポールマップにおけるセマンティクス粒子フィルタリング局在に関する深い研究
• Authors: Yuming Huang, Yi Gu, Chengzhong Xu and Hui Kong
• Abstract要約: 本研究は,極状構造を持つ自動運転車の正確な地図を作成することを目的としている。 我々は新しいマスクレンジトランスネットワークにおける極様構造のセマンティクスを利用する。 車両の局所化のためのセマンティック粒子フィルタの局所化手法を提案する。
• 参考スコア（独自算出の注目度）: 34.04740351544143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In most urban and suburban areas, pole-like structures such as tree trunks or utility poles are ubiquitous. These structural landmarks are very useful for the localization of autonomous vehicles given their geometrical locations in maps and measurements from sensors. In this work, we aim at creating an accurate map for autonomous vehicles or robots with pole-like structures as the dominant localization landmarks, hence called pole-map. In contrast to the previous pole-based mapping or localization methods, we exploit the semantics of pole-like structures. Specifically, semantic segmentation is achieved by a new mask-range transformer network in a mask-classfication paradigm. With the semantics extracted for the pole-like structures in each frame, a multi-layer semantic pole-map is created by aggregating the detected pole-like structures from all frames. Given the semantic pole-map, we propose a semantic particle-filtering localization scheme for vehicle localization. Theoretically, we have analyzed why the semantic information can benefit the particle-filter localization, and empirically it is validated on the public SemanticKITTI dataset that the particle-filtering localization with semantics achieves much better performance than the counterpart without semantics when each particle's odometry prediction and/or the online observation is subject to uncertainties at significant levels.
• Abstract（参考訳）: ほとんどの都市や郊外では、樹木の幹や電柱のような柱状の構造がユビキタスである。 これらの構造的ランドマークは、地図やセンサーからの計測で幾何学的な位置が与えられた自動運転車のローカライズに非常に有用である。 本研究では,自走車やロボットに対して,極状構造を主体とする位置決めランドマークとして正確な地図を作成することを目的としている。 従来のポールベースマッピングやローカライズ手法とは対照的に、ポールのような構造のセマンティクスを利用する。 特にセマンティックセグメンテーションは,マスク分類パラダイムにおける新しいマスクレンジトランスフォーマーネットワークによって実現される。 各フレームの極状構造に対するセマンティクスを抽出し、検出された極状構造を全フレームから集約して多層セマンティクスポールマップを作成する。 セマンティクス・ポール・マップを想定し,車両位置推定のためのセマンティクス粒子フィルタ局在化スキームを提案する。 理論的には, セマンティックKITTIデータセットでは, 粒子のドメトリー予測やオンライン観測が有意なレベルの不確実性を受ける場合, セマンティックKITTIデータセットでは, セマンティックスによる粒子フィルタリングの局所化は, セマンティックスなしでは, セマンティックスよりもはるかに優れた性能を発揮することが実証されている。

関連論文リスト

• Monocular Localization with Semantics Map for Autonomous Vehicles [8.242967098897408]
  低レベルのテクスチャ機能の代わりに安定したセマンティック機能を利用する新しい視覚的セマンティックローカライゼーションアルゴリズムを提案する。 まず、セマンティックマップは、カメラやLiDARセンサーを使用して、グラウンドマーカー、レーンライン、ポールなどのセマンティックオブジェクトを検出してオフラインで構築される。 オンラインの視覚的ローカライゼーションは意味的特徴とマップオブジェクトのデータアソシエーションによって行われる。
  論文  参考訳（メタデータ） (2024-06-06T08:12:38Z)
• 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)
• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• CPR++: Object Localization via Single Coarse Point Supervision [55.8671776333499]
  粗い点修正(CPR)は、アルゴリズムの観点からの意味的分散を緩和する最初の試みである。 CPRは、アノテートされた最初のポイントを置き換えるために、近隣地域のセマンティックセンターポイントを選択することで意味のばらつきを減らす。 CPR++は、スケール情報を取得し、グローバル領域における意味的分散をさらに低減することができる。
  論文  参考訳（メタデータ） (2024-01-30T17:38:48Z)
• EgoVM: Achieving Precise Ego-Localization using Lightweight Vectorized Maps [9.450650025266379]
  本稿では,従来の最先端手法に匹敵するローカライズ精度を実現するエンド・ツー・エンドのローカライズネットワークであるEgoVMを提案する。 我々は、学習可能なセマンティック埋め込みを用いて、マップ要素のセマンティックタイプを符号化し、セマンティックセマンティックセグメンテーションでそれらを監督する。 本研究では,頑健なヒストグラムに基づくポーズ解法を用いて,候補ポーズを徹底的に探索することで最適なポーズを推定する。
  論文  参考訳（メタデータ） (2023-07-18T06:07:25Z)
• Detection and Classification of Pole-like Landmarks for Domain-invariant 3D Point Cloud Map Matching [3.0969191504482243]
  3Dポイントのクラウドベースの視覚的自己ローカライゼーションでは、ポールランドマークは正確で信頼性の高いローカライゼーションのランドマークとして大きな可能性を秘めている。 本研究では,ポールランドマークに基づく自己ローカライゼーションの文脈において,最近開発された極分類のためのディープラーニングモデルの利用について検討する。 NCLTデータセットを用いた実験により,極状ランドマーク分類法は,ベースライン法と比較して視覚的自己局在化システムに改善効果が認められた。
  論文  参考訳（メタデータ） (2023-05-11T14:40:20Z)
• SemAffiNet: Semantic-Affine Transformation for Point Cloud Segmentation [94.11915008006483]
  ポイントクラウドセマンティックセグメンテーションのためのSemAffiNetを提案する。 我々はScanNetV2とNYUv2データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-05-26T17:00:23Z)
• Semantic Image Alignment for Vehicle Localization [111.59616433224662]
  単眼カメラからのセマンティックセグメンテーションを用いた高密度セマンティックマップにおける車両位置推定手法を提案する。 既存の視覚的ローカライゼーションアプローチとは対照的に、システムは追加のキーポイント機能、手作りのローカライゼーションランドマーク抽出器、高価なLiDARセンサーを必要としない。
  論文  参考訳（メタデータ） (2021-10-08T14:40:15Z)
• Rethinking Semantic Segmentation Evaluation for Explainability and Model Selection [12.786648212233116]
  地域ベースのオーバーおよびアンダーセグメンテーションを評価するための新しいメトリクスを紹介します。 分析して他のメトリクスと比較し、実世界のアプリケーションにおけるセマンティックセグメンテーションモデルのパフォーマンスをより説明しやすくなることを示す。
  論文  参考訳（メタデータ） (2021-01-21T03:12:43Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。