[论文解读] 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 11

一句话总结

本文提出了一种基于视觉SLAM的训练轨迹自动泊车系统，通过构建并重用频繁停车位置的持久化地图，实现更优的重新定位与泊车精度。作者发布了一个全新的公开数据集，包含50段视频序列，超过10万张图像及真实标注，是首个针对训练轨迹泊车系统的同类数据集。

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.

研究动机与目标

• 开发一种能够学习并重用持久环境地图的自动泊车系统，以提升定位与泊车性能。
• 解决在重复泊车场景（如家庭或办公室泊车）中实现高精度车辆重新定位的挑战。
• 设计并实现一种基于视觉SLAM增强的泊车系统，能够构建并利用训练轨迹。
• 发布一个用于训练轨迹泊车系统的新型基准数据集，以支持未来研究。
• 通过持久环境建模，使下一代泊车系统实现更高的可靠性与效率。

提出的方法

• 系统采用视觉SLAM流程，在初始训练阶段构建停车环境的持久化地图。
• 利用训练好的地图，在后续相同位置的泊车尝试中提升车辆重新定位精度。
• 系统融合多段序列的视觉特征，构建停车环境的一致性、长期表示。
• 该方法整合回环检测与视觉里程计，以维持地图一致性并减少漂移。
• 系统设计用于在真实环境条件下运行，包括光照变化与遮挡等情况。
• 作者发布了包含50段视频序列、超过10万张图像及真实标注的数据集，以支持可复现性与基准测试。

实验结果

研究问题

• RQ1 如何有效构建并重用停车环境的持久化地图，以提升自动泊车性能？
• RQ2 在多次泊车会话中，维持地图一致性与定位精度的关键挑战是什么？
• RQ3 视觉SLAM的集成如何提升训练轨迹泊车系统中的重新定位性能？
• RQ4 与单次会话泊车系统相比，持久化地图能带来多大的性能提升？
• RQ5 支持训练轨迹泊车研究的公开数据集需要满足哪些要求？

主要发现

• 所提出的系统通过利用视觉SLAM构建的持久化地图，显著提升了重新定位精度。
• 系统在相同环境下的多次泊车尝试中表现出稳健性能，有效减少了定位漂移。
• 作者发布了首个针对训练轨迹泊车系统的公开数据集，包含50段视频序列、超过10万张图像及真实标注。
• 该数据集为未来训练轨迹泊车系统的研究提供了标准化基准与可复现性支持。
• 将视觉SLAM集成到泊车系统中，实现了长期环境建模，显著提升了系统可靠性。
• 实验结果表明，持久化地图在重复使用场景下显著提升了泊车系统的整体性能。