LiDARセンサーを使用して生成されたポイントクラウドマップは自律車両やロボットによる位置特定とナビゲーションに広く使用されています。しかし、動的オブジェクトがこれらのマップに含まれると、位置特定の精度やナビゲーション性能が低下し、地図の品質も損なわれます。この課題に対処するため、本研究ではLiDARポイントクラウドを基にした動的シーン向けの新しいセマンティックSLAMアプローチであるSD-SLAMを提案しています。SD-SLAMは3つの主要貢献点を持ちます:1)LiDARポイントクラウドを基にした動的シーン専用のセマンティックSLAMフレームワークの導入、2)意味論とカルマンフィルタリングを活用して動的と準静止ランドマークを効果的に区別すること、3)半静止および純粋な静止ランドマークをセマンティック情報と共に完全活用し、位置特定および地図作成性能を向上させることです。提案されたSD-SLAMはKITTIオドメトリデータセットを使用して評価されました。結果は、提案されたSD-SLAMが動的オブジェクトの不利な影響を効果的に緩和し、動的シーンでの車両位置特定および地図作成性能が向上し、同時に複数の意味クラスで静的なセマンティック地図が構築されていることを示しています。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Feiya Li,Chu... at arxiv.org 02-29-2024
https://arxiv.org/pdf/2402.18318.pdfDeeper Inquiries