[論文レビュー] Trained Trajectory based Automated Parking System using Visual SLAM.

Nivedita Tripathi, Ganesh Sistu+1 more|arXiv (Cornell University)|Jan 7, 2020

Robotics and Sensor-Based Localization参考文献 13被引用数 11

ひとこと要約

本論文では、頻繁に駐車される場所の恒久的マップを構築・再利用するためのVisual SLAMを活用したトレーニングトラジェクトリを備えた自動駐車システムを提示している。著者らは、トレーニングトラジェクトリ駐車システムにおいて、10万枚を超える画像と真値を含む画期的な公開データセットを新たに提供している。

ABSTRACT

Automated Parking is becoming a standard feature in modern vehicles. Existing parking systems build a local map to be able to plan for maneuvering towards a detected slot. Next generation parking systems have an use case where they build a persistent map of the environment where the car is frequently parked, say for example, home parking or office parking. The pre-built map helps in re-localizing the vehicle better when its trying to park the next time. This is achieved by augmenting the parking system with a Visual SLAM pipeline and the feature is called trained trajectory parking. In this paper, we discuss the use cases, design and implementation of a trained trajectory automated parking system. To encourage further research, we release a dataset of 50 video sequences comprising of over 100,000 images with the associated ground truth as a companion to our WoodScape dataset \cite{Yogamani_2019_ICCV}. To the best of the authors' knowledge, this is the first public dataset for trained trajectory parking system scenarios.

研究の動機と目的

• 恒久的な環境マップを学習・再利用することで、再ローカライゼーションと駐車パフォーマンスを向上させる自動駐車システムの開発を目的とする。
• 自宅やオフィス駐車など、繰り返し同じ場所に駐車する状況における正確な車両再ローカライゼーションの課題を解決することを目的とする。
• トレーニングトラジェクトリを構築・利用できるように、Visual SLAMを強化した駐車システムの設計および実装を目的とする。
• 今後の研究を支援するため、トレーニングトラジェクトリ駐車システム用の新しいベンチマークデータセットを公開することを目的とする。
• 恒久的な環境モデリングを通じて、次世代の駐車システムがより高い信頼性と効率性を達成できるようにすることを目的とする。

提案手法

• システムは、初期のトレーニング走行中に、Visual SLAMパイプラインを用いて駐車環境の恒久的マップを構築する。
• 得られたトレーニングマップを、同じ場所での後続の駐車試行における車両再ローカライゼーションの精度向上に活用する。
• 複数のシーケンスからの視覚特徴を統合し、駐車環境の一貫性があり長期的な表現を構築する。
• ループクロージャーと視覚オドメトリを統合することで、マップの一貫性を維持し、ドリフトを低減する。
• 変動する照明条件や遮蔽状況を含む実環境でも動作可能なように設計されている。
• 再現性とベンチマーク評価を支援するため、50本の動画シーケンス、10万枚を超える画像および真値を含むデータセットを公開している。

実験結果

リサーチクエスチョン

• RQ1 駐車環境の恒久的マップを効果的に構築・再利用することで、自動駐車パフォーマンスをどのように向上させられるか？
• RQ2 繰り返しの駐車セッションにわたってマップの一貫性と再ローカライゼーション精度を維持する上で、どのような主な課題があるか？
• RQ3 Visual SLAMの統合が、トレーニングトラジェクトリ駐車システムにおける再ローカライゼーションをどのように向上させるか？
• RQ4 単一セッション駐車システムと比較して、恒久的マップの導入によって達成可能なパフォーマンス向上はどの程度か？
• RQ5 トレーニングトラジェクトリ駐車分野の研究を支援するための公開データセットに求められる要件は何か？

主な発見

• 提案されたシステムは、Visual SLAMによる恒久的マップを活用することで、再ローカライゼーション精度の向上を達成した。
• 同じ環境での繰り返し駐車試行において、システムは高い頑健性を示し、再ローカライゼーションのドリフトを低減した。
• 著者らは、トレーニングトラジェクトリ駐車システムにおいて、10万枚を超える画像と真値を含む新規公開データセットを提供した。これは、同分野で初めてのものである。
• このデータセットにより、今後のトレーニングトラジェクトリ駐車システム研究における標準化されたベンチマーク評価と再現性が可能になった。
• 駐車システムにVisual SLAMを統合することで、長期的な環境モデリングとシステム信頼性の向上が実現した。
• 結果から、恒久的マップの導入が、繰り返し使用される状況における駐車システムパフォーマンスを顕著に向上させることを示した。