異種GNNによる長期視覚マップスパース化【JST・京大機械翻訳】

Chang Ming-Fang; Zhao Yipu; Shah Rajvi; Engel Jakob J.; Kaess Michael; Lucey Simon

プレプリント

J-GLOBAL ID：202202217524203735 整理番号：22P0311832

異種GNNによる長期視覚マップスパース化【JST・京大機械翻訳】

Long-term Visual Map Sparsification with Heterogeneous GNN

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月28日プレプリントサーバーでの情報更新日： 2022年03月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

長期視覚局在化のための地図化の問題を取り上げた。地図化のために,一般的に採用される仮定は,プレビルドマップと後の捕捉位置決めクエリが一貫性があるということである。しかし,この仮定は,動的世界で容易に違反できる。さらに,マップサイズは,時間を通して蓄積する新しいデータとして成長し,長期における大きなデータオーバヘッドを引き起こす。本論文では,環境変化を克服し,将来の局所化に貴重な点を選択することにより,同時に地図サイズを低減することを目的とした。グラフニューラルネットワーク(GNN)の最近の進歩にヒントを得て,SfMマップを不均一グラフとしてモデル化し,GNNで3Dポイント重要度スコアを予測し,SfMマップグラフにおける豊富な情報を直接利用することを可能にする。2つの新しい監視を提案した。1)訓練クエリに基づく将来の局所化に対する貴重な点を選択するためのデータ適合項;2)全マップカバレッジを持つスパース点を選択するためのK-Cover項。実験は,著者らの方法が安定かつ広く見える構造に関してマップポイントを選択し,位置確認性能においてベースラインを凌駕することを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

電子航法一般 , ロボットの運動・制御

, , ,

前のページに戻る