Основні поняття
SLAM 그래프에 고수준 의미 개념(방, 벽)을 효율적으로 생성하여 SLAM 성능을 향상시킬 수 있다.
Анотація
이 논문은 SLAM 그래프에 고수준 의미 개념(방, 벽)을 효율적으로 생성하는 방법을 제안한다.
먼저 저수준 기하 개체(평면)를 이용하여 근접 그래프를 생성한다. 이 그래프를 GNN(Graph Neural Network)을 통해 "같은 방", "같은 벽" 관계로 분류한다.
분류된 관계를 바탕으로 방과 벽 개체를 생성하고, 이를 S-Graphs+ SLAM 프레임워크에 통합한다.
실험 결과, 제안 방법은 기존 방 검출 알고리즘보다 정확도와 검출 속도가 향상되었으며, S-Graphs+ SLAM의 포즈 및 지도 정확도도 개선되었다.
Статистика
방 검출 정확도가 기존 대비 평균 37% 향상되었다.
방 검출 속도가 기존 대비 평균 84.3% 향상되었다.
S-Graphs+ SLAM의 평균 궤적 오차가 6.8% 감소하였다.
S-Graphs+ SLAM의 평균 지도 매칭 정확도가 1.8% 향상되었다.
Цитати
"SLAM 그래프에 고수준 의미 개념을 효율적으로 생성하여 SLAM 성능을 향상시킬 수 있다."
"제안 방법은 기존 방 검출 알고리즘보다 정확도와 검출 속도가 향상되었다."
"S-Graphs+ SLAM의 포즈 및 지도 정확도도 개선되었다."