Core Concepts
提案されたフレームワークは、セマンティック情報を活用し、外れ値の検出と排除を行うことで、高速移動プラットフォームにおけるLiDARオドメトリとマッピングの精度を向上させる。
Abstract
この記事では、LiDARセンサーを使用した高速移動プラットフォーム向けのLiDARオドメトリとマッピングの新しいフレームワークが提案されています。深層セマンティックセグメンテーションモデルを使用してセマンティック情報を活用し、点対線および点対面の一致性を改善することで、環境の意味論的地図を構築します。また、外れ値一致性の新しいアルゴリズムにより、一致性が向上しました。実験結果では、提案手法がKITTIデータセットでロバストなLiDARオドメトリとマッピングにどのように影響するかが示されています。
Stats
フレームワークは平均誤差率1.32%を達成
セマンティック情報利用時の処理速度は1秒あたり6.67スキャン
Quotes
"Exploiting semantic information during matching does not eliminate all outliers from the process."
"Improving matches using semantic information and outliers rejection is of significant importance for fast moving platforms."