[논문 리뷰] Trained Trajectory based Automated Parking System using Visual SLAM.

Nivedita Tripathi, Ganesh Sistu외 1명|arXiv (Cornell University)|2020. 01. 07.

Robotics and Sensor-Based Localization참고 문헌 13인용 수 11

한 줄 요약

이 논문은 시각 SLAM을 활용하여 자주 주차되는 위치의 지속 가능한 지ap을 구축하고 재사용하는 훈련된 궤적 자동 주차 시스템을 제시한다. 이로 인해 재현위치 추정 및 주차 정확도가 향상된다. 저자들은 훈련된 궤적 주차 시스템을 위한 최초의 공개 데이터셋인 50개의 영상 시퀀스를 제공하며, 이는 10만 장이 넘는 이미지와 진짜값을 포함한다.

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.

연구 동기 및 목표

• 지속 가능한 환경 지도를 학습하고 재사용하여 정밀한 위치 추정과 주차 성능을 향상시키는 자동 주차 시스템을 개발하기 위해.
• 집이나 사무실 주차와 같은 반복적인 주차 시나리오에서 차량의 정확한 재현위치 추정 문제를 해결하기 위해.
• 훈련된 궤적을 구축하고 활용할 수 있는 시각 SLAM을 강화한 주차 시스템을 설계하고 구현하기 위해.
• 향후 연구를 지원하기 위해 훈련된 궤적 주차 시스템을 위한 새로운 벤치마크 데이터셋을 공개하기 위해.
• 지속 가능한 환경 모델링을 통해 차세대 주차 시스템이 더 높은 신뢰성과 효율성을 달성할 수 있도록 하기 위해.

제안 방법

• 시스템은 초도 훈련 런 동안 시각 SLAM 파이프라인을 활용하여 주차 환경의 지속 가능한 지도를 구축한다.
• 같은 위치에서 후속 주차 시도 동안 차량의 재현위치 추정을 향상시키기 위해 훈련된 지도를 사용한다.
• 영상 시퀀스에서 시각적 특징을 융합하여 주차 환경의 일관되고 장기적인 표현을 구축한다.
• 루프 클로징과 시각적 오도메트리 통합을 통해 지도 일관성을 유지하고 드리프트를 줄인다.
• 다양한 조명 조건과 가림 요소가 있는 실제 환경에서도 작동하도록 설계된다.
• 재현성과 벤치마크를 지원하기 위해 50개의 영상 시퀀스, 10만 장이 넘는 이미지 및 진짜값을 포함한 데이터셋을 공개한다.

실험 결과

연구 질문

• RQ1 어떻게 주차 환경의 지속 가능한 지도를 효과적으로 구축하고 재사용하여 자동 주차 성능을 향상시킬 수 있는가?
• RQ2 반복적인 주차 세션 동안 지도 일관성과 위치 추정 정확도를 유지하는 데 있어 핵심 과제는 무엇인가?
• RQ3 시각 SLAM의 통합이 훈련된 궤적 주차 시스템의 재현위치 추정에 어떻게 기여하는가?
• RQ4 단일 세션 주차 시스템에 비해 지속 가능한 지도화를 통해 달성 가능한 성능 향상은 무엇인가?
• RQ5 훈련된 궤적 주차 연구를 지원하기 위해 공개 가능한 데이터셋이 가져야 할 조건은 무엇인가?

주요 결과

• 제안된 시스템은 시각 SLAM을 통해 구축한 지속 가능한 지도를 활용하여 재현위치 추정 정확도를 향상시킨다.
• 시스템은 동일한 환경에서 반복적인 주차 시도 동안 뛰어난 성능을 보이며, 위치 추정 드리프트를 감소시킨다.
• 저자들은 훈련된 궤적 주차를 위한 최초의 공개 데이터셋인 50개의 영상 시퀀스와 10만 장이 넘는 이미지 및 진짜값을 공개한다.
• 이 데이터셋은 훈련된 궤적 주차 시스템 분야의 표준화된 벤치마크와 재현 가능성을 가능하게 한다.
• 주차 시스템에 시각 SLAM을 통합하면 장기적인 환경 모델링과 시스템 신뢰성이 향상된다.
• 결과적으로 지속 가능한 지도화가 반복 사용 케이스에서 주차 시스템 성능을 크게 향상시킨다는 것이 입증되었다.