[論文レビュー] Scalable Place Recognition Under Appearance Change for Autonomous Driving

Anh-Dzung Doan, Yasir Latif+4 more|arXiv (Cornell University)|Aug 1, 2019

Robotics and Sensor-Based Localization参考文献 37被引用数 21

ひとこと要約

本論文は、外観変化に伴う精度維持を図るために、拡大する視覚データベースの再訓練および圧縮を効率的に行うスケーラブルなHMMベースの場所認識フレームワークを提案する。このフレームワークは、リアルタイム性能を達成し、MapNet や VidLoc といった最先端手法を上回る優れた精度を発揮する。特に、継続的なデータ更新後でもその性能を維持する。

ABSTRACT

A major challenge in place recognition for autonomous driving is to be robust against appearance changes due to short-term (e.g., weather, lighting) and long-term (seasons, vegetation growth, etc.) environmental variations. A promising solution is to continuously accumulate images to maintain an adequate sample of the conditions and incorporate new changes into the place recognition decision. However, this demands a place recognition technique that is scalable on an ever growing dataset. To this end, we propose a novel place recognition technique that can be efficiently retrained and compressed, such that the recognition of new queries can exploit all available data (including recent changes) without suffering from visible growth in computational cost. Underpinning our method is a novel temporal image matching technique based on Hidden Markov Models. Our experiments show that, compared to state-of-the-art techniques, our method has much greater potential for large-scale place recognition for autonomous driving.

研究の動機と目的

• 天候、照明、季節、都市部の変更などに起因する動的外観変化に起因する長期的場所認識の課題に対処すること。
• 視覚データベースの継続的増加にもかかわらず、低コストな計算負荷を維持できるスケーラブルな場所認識システムの開発。
• GNSS やビジュアルオドメトリを用いずに、効率的な再訓練およびモデル圧縮を可能にする仕組みの実現。
• 新規データの迅速統合により局所化精度を向上させつつ、外観変動に対する耐性を維持すること。
• Mapillary や Oxford RobotCar のような実世界の継続的拡張型データセットにおける実用的妥当性の実証。

提案手法

• 本手法は、時間的順序の視覚特徴をモデル化するための隠れマルコフモデル（HMM）を用い、外観変化に強い場所認識を実現する。
• 独創的なトポロジカルに感受性のある圧縮手順により、重複するノードを除去し、類似した場所をグラフ表現上で統合することで、ストレージおよび計算負荷を低減する。
• 効率的な特徴インデキシングのためのk-meansツリーと、クエリ処理の高速化を目的としたグラフベースマッチングを採用する。
• 本フレームワークはインクリメンタルアップデートをサポートする。新規クエリシーケンスは、除去とノード統合により処理され、完全な再トレーニングを回避する。
• 信念スコア（MaxAP）を用いて、クエリフレームが新しい場所として受け入れられるかどうかを判断し、未探索領域におけるカバレッジ拡大を可能にする。
• 本手法は、更新時に真値ポーズを必要とせず、信念に基づく選択とトポロジカル整合性に依存する。

実験結果

リサーチクエスチョン

• RQ1 GNSS やビジュアルオドメトリに依存せずに、外観変化に起因する長期的場所認識においても高い精度を維持できる場所認識システムは実現可能か？
• RQ2 継続的に増加するデータセットに対し、計算コストを安定させつつ効率的にスケーリングできる視覚的場所認識システムはどのように実現できるか？
• RQ3 軽量で再トレーニング可能なフレームワークは、MapNet や他のディープラーニングベース手法を、精度および更新効率の両面で上回ることができるか？
• RQ4 トポロジカル圧縮は、大規模場所認識においてスケーラビリティを向上させるとともに、計算オーバーヘッドをどの程度低減できるか？
• RQ5 信念ベースの新規クエリフレーム受容は、未探索領域におけるマップ拡張を効果的に行えるか？

主な発見

• 本手法は、Oxford RobotCar データセットのSeq-3で、平均6-DoFポーズ誤差6.59mおよび3.28°を達成し、MapNet（8.71m、3.31°）およびVidLoc（29.63m、1.59°）を上回る性能を示した。
• Seq-8のシーケンスにおいて、本手法は24.26mおよび21.54°の平均誤差を報告した。これは、ノイズの多いラベルで再トレーニングを行ったMapNet（26.55m、21.97°）よりも顕著に優れた性能である。
• 本手法のトレーニング時間は、1シーケンスあたり約1.65分であり、MapNetの11.6時間およびVidLocの14.1時間に比べ、はるかに優れたトレーニング効率を示した。
• 新規クエリシーケンスのモデル更新には、本手法の除去および圧縮パイプラインを用いて5分未満で完了した。一方、MapNetは再トレーニングに約6時間を要した。
• 図4に示すように、MaxAP ≥ 0.3 を満たす新規フレームの受容により、未探索領域におけるマップカバレッジの拡大に成功した。
• 本手法は、MapNet よりも滑らかな予測トラジェクトリを示しており、外観変動下でも局所化の一貫性が優れていることを示している。