論文の概要: Improved LiDAR Odometry and Mapping using Deep Semantic Segmentation and Novel Outliers Detection

• arxiv url: http://arxiv.org/abs/2403.03111v1
• Date: Tue, 5 Mar 2024 16:53:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 14:12:32.322432
• Title: Improved LiDAR Odometry and Mapping using Deep Semantic Segmentation and Novel Outliers Detection
• Title（参考訳）: 深部セマンティックセグメンテーションと新しいアウトリア検出によるLiDARオドメトリーとマッピングの改善
• Authors: Mohamed Afifi, Mohamed ElHelw
• Abstract要約: 高速移動プラットフォームのためのLOAMアーキテクチャに基づくリアルタイムLiDARオドメトリーとマッピングのための新しいフレームワークを提案する。 本フレームワークは,ディープラーニングモデルによって生成された意味情報を用いて,ポイント・ツー・ラインとポイント・ツー・プレーンのマッチングを改善する。 高速動作に対するLiDARオドメトリーのロバスト性に及ぼすマッチング処理の改善効果について検討した。
• 参考スコア（独自算出の注目度）: 1.0334138809056097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perception is a key element for enabling intelligent autonomous navigation. Understanding the semantics of the surrounding environment and accurate vehicle pose estimation are essential capabilities for autonomous vehicles, including self-driving cars and mobile robots that perform complex tasks. Fast moving platforms like self-driving cars impose a hard challenge for localization and mapping algorithms. In this work, we propose a novel framework for real-time LiDAR odometry and mapping based on LOAM architecture for fast moving platforms. Our framework utilizes semantic information produced by a deep learning model to improve point-to-line and point-to-plane matching between LiDAR scans and build a semantic map of the environment, leading to more accurate motion estimation using LiDAR data. We observe that including semantic information in the matching process introduces a new type of outlier matches to the process, where matching occur between different objects of the same semantic class. To this end, we propose a novel algorithm that explicitly identifies and discards potential outliers in the matching process. In our experiments, we study the effect of improving the matching process on the robustness of LiDAR odometry against high speed motion. Our experimental evaluations on KITTI dataset demonstrate that utilizing semantic information and rejecting outliers significantly enhance the robustness of LiDAR odometry and mapping when there are large gaps between scan acquisition poses, which is typical for fast moving platforms.
• Abstract（参考訳）: 知覚はインテリジェントな自律ナビゲーションを可能にする重要な要素である。 周囲の環境のセマンティクスと正確な車両ポーズ推定を理解することは、複雑なタスクを行う自動運転車や移動ロボットなど、自動運転車にとって必須の機能である。 自動運転車のような高速移動プラットフォームは、ローカライゼーションとマッピングアルゴリズムに難しい課題を課している。 本研究では,高速移動プラットフォーム向けLOAMアーキテクチャに基づくリアルタイムLiDAR計測とマッピングのための新しいフレームワークを提案する。 このフレームワークは,ディープラーニングモデルによって生成された意味情報を用いて,LiDARスキャン間のポイント・ツー・ライン・ポイント・ツー・プレーンマッチングを改善し,環境のセマンティックマップを構築する。 マッチングプロセスに含まれるセマンティック情報を含めると、同じセマンティッククラスの異なるオブジェクト間でマッチングが行われる新しいタイプのアウトリーチマッチングがプロセスに導入される。 そこで本研究では,マッチングプロセスにおける潜在的な外れ値を明確に識別し,破棄する新しいアルゴリズムを提案する。 本研究では,高速運動に対するLiDARオドメトリーのロバスト性に及ぼすマッチング法の改善効果について検討した。 KITTIデータセットを用いた実験により, 高速移動プラットフォームに典型的であるスキャン取得ポーズの間に大きなギャップがある場合, セマンティック情報の利用と降圧器の拒絶により, LiDARのロバスト性やマッピングが著しく向上することが確認された。

関連論文リスト

• STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
  無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。 時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。 歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。 我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
  論文  参考訳（メタデータ） (2024-09-17T14:34:18Z)
• Off-Road LiDAR Intensity Based Semantic Segmentation [11.684330305297523]
  学習ベースのLiDARセマンティックセグメンテーションは、機械学習技術を使用して、LiDARポイントクラウド内のオブジェクトを自動的に分類する。 オフロード環境におけるオブジェクトセグメンテーションを強化するために,LiDAR強度パラメータを活用することでこの問題に対処する。 提案手法をRELLIS-3Dデータセットで評価し,mIoUを改良した「パドル」と「グラス」の予備解析として有望な結果を得た。
  論文  参考訳（メタデータ） (2024-01-02T21:27:43Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Performance Study of YOLOv5 and Faster R-CNN for Autonomous Navigation around Non-Cooperative Targets [0.0]
  本稿では,カメラと機械学習アルゴリズムを組み合わせることで,相対的なナビゲーションを実現する方法について論じる。 高速領域ベース畳み込みニューラルネットワーク(R-CNN)とYou Only Look Once(YOLOv5)の2つのディープラーニングに基づくオブジェクト検出アルゴリズムの性能を検証した。 本稿では, 特徴認識アルゴリズムの実装と, 宇宙船誘導航法制御システムへの統合に向けての道筋について論じる。
  論文  参考訳（メタデータ） (2023-01-22T04:53:38Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
  本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。 当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
  論文  参考訳（メタデータ） (2021-01-20T00:31:52Z)
• 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)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。