Combining Semantics with Unified Geometric Representations for Indoor SLAM

Abstract

Ένα από τα κύρια προβλήματα της σύγχρονης ρομποτικής έρευνας είναι η ταυτόχρονη εκτίμηση πόζας και χαρτογράφηση του περιβάλλοντος (Simultaneous Localization And Mapping - SLAM). Αυτή η απαιτητική περιοχή έχει ιδιαίτερη σημασία για την κινητή ρομποτική, όπου ρομποτικοί πράκτορες βασίζονται σε on-board αισθητήρες για την εκτίμηση τόσο της γεωμετρίας του περιβάλλοντος όσο και της τροχιάς τους μέσα σε αυτό. Ξεκινώντας με λύσεις οπτικής οδομετρίας, οι οποίες, μη έχοντας υποδομή για χαρτογράφηση, υποφέρουν από συσσωρευτικά σφάλματα, η σύγχρονη έρευνα έχει τελικά συγκλίνει στην θεωρία του SLAM, που με την χαρτογράφηση και το κλείσιμο βρόχων προσφέρει τη δυνατότητα στα ρομπότ να αυτοδιορθώνουν τις εκτιμήσεις τους όταν επισκέπτονται γνωστούς χώρους. Από μαθηματικής σκοπιάς, υπάρχουν πιθανοτικά εργαλεία που έχουν υποστηρίξει αυτήν την εξέλιξη, δίνοντας βέλτιστες λύσεις υπό τον θόρυβο των αισθητήρων. Σήμερα, με πρόσβαση σε ολοένα και πιο ισχυρό hardware, η κοινότητα χρησιμοποιεί μία ποικιλία από αισθητήρες και αλγορίθμους, συμπεριλαμβανομένων και αλγορίθμων μηχανικής μάθησης, για να αποσπά μεγάλο πλούτο πρόσθετων δεδομένων, που χρησιμοποιούνται για να υποστηρίξουν τις κύριες λειτουργίες SLAM. Αυτό μας κινητοποιεί να δημιουργήσουμε ένα μεικτό πλαίσιο, που θα συνδυάζει αποτελεσματικά δύο τύπους μεταδεδομένων που είναι ιδιαιτέρως δημοφιλείς στη σύγχρονη έρευνα του SLAM εσωτερικών χώρων: γεωμετρικές δομές και σημασιολογική πληροφορία. Επομένως, με βάση μία υπάρχουσα ερευνητική λύση RGB-D SLAM, που εισάγει την έννοια των γεωμετρικών matchable ως τις ενοποιημένες γεωμετρικές του αναπαραστάσεις, χτίζουμε τη μέθοδό μας. Εμπλουτίζουμε θεωρητικά το πλαίσιο με σημασιολογία, που βασίζεται σε ένα βαθύ νευρωνικό δίκτυο που εκτελεί σημασιολογική κατάτμηση των εικόνων. Δείχνουμε ότι, ο συνδυασμός με βάση τη λογική που ορίζουμε, οδηγεί σε καλύτερα αποτελέσματα, όπως αποδεικνύεται και από τα δεδομένα ελέγχου στα οποία πειραματιζόμαστε (ICL-NUIM, InteriorNet, TUM RGB-D), επιτυγχάνοντας εφάμιλλες επιδόσεις με άλλες state-of-the-art μεθόδους που χρησιμοποιούμε για σύγκριση.