En ny korthåndteringsproces til visuel lokalisering i udendørsmiljøer

Forskere ved ETH Zürichs Autonomous Systems Lab har for nylig udviklet en korthåndteringsproces for visuelle lokaliseringssystemer, specielt designet til drift i udendørs miljøer, der involverer flere køretøjer. Deres studie, præsenteret på dette års Intelligent Vehicles Symposium (IV) og tilgængelig på arXiv, løser hovedudfordringen med at inkorporere store mængder visuelle lokaliseringsdata i et livslangt visuelt kort, for konsekvent at give effektiv lokalisering under alle udseendeforhold.

"Selvlokalisering er afgørende for enhver form for mobil robot, herunder selvkørende køretøjer, " Mathias Bürki, en af ​​de forskere, der har udført undersøgelsen, fortalte Tech Xplore. "Mens de fleste autonome forskningskøretøjer er udstyret med 3D LiDAR-sensorer, disse er stadig dyre, og deres egnethed til fremtidig masseproduktion er derfor tvivlsom. På den anden side, kamerasensorer er meget billige, og har allerede fundet vej til de nuværende bilflåder (f.eks. til parkeringsassistentsystemer). Derfor, vi har undersøgt potentialet ved at bruge kameraer som en hovedsensor til præcis lokalisering af autonome køretøjer."

En af de primære udfordringer, man støder på, når man udvikler visuelle lokaliseringssystemer til udendørsmiljøer, er at sikre, at disse systemer klarer udseendesændringer godt. Disse omfatter både ændringer, der sker på kort sigt (f.eks. belysning, skygger, osv.) og langsigtede (f.eks. sæsonbestemte ændringer, løv, etc.).

Tidligere forskning viste, at kort, der er skabt til visuel lokalisering, teoretisk set kunne tilpasses til at fungere under forskellige udendørs udseendeforhold. Ikke desto mindre, at tilpasse disse kort kan være meget dyrt, kræver betydelige ressourcer brugt på serverne til at vedligeholde kortene og på selve de selvkørende køretøjer. Selvom der er en række løsninger, der kan hjælpe med at reducere omkostningerne og løse kompleksiteten af ​​dette problem, indtil nu, disse er kun blevet undersøgt isoleret.

"Målet med vores seneste forskning var at kombinere forskellige komponenter og tilgange, der forbedrer skalerbarheden, såsom offline kort opsummering, og online-udseendebaseret skelsættende valg, for at opbygge et fuldstændigt skalerbart og ressourceeffektivt lokaliserings- og kortlægningssystem, " Bürki forklarer. "Vi ønskede også at undersøge i detaljer, hvor godt dette system fungerer i den virkelige verden, langsigtede forhold, hvor lang tid det tager for de visuelle kort at konvergere til en stabil tilstand, hvor godt de forskellige komponenter, der beskæftiger sig med skalerbarhed, arbejder sammen, og om den ene forstyrrer den anden på en uønsket måde."

Korthåndteringsprocessen udviklet af Bürki og hans kolleger fungerer ved at tilføje nye datasæt til kortet over tid, løbende opdatere det for bedre at kunne klare nye udseendeforhold. Hver gang et nyt datasæt tilføjes til kortet, et efterfølgende kortopsummeringstrin sikrer, at dets størrelse ikke overstiger en vis grænse.

"Hvis det nye datasæt er blevet optaget under udseendeforhold, der allerede er godt dækket af kortet, datasættet er ikke føjet til kortet, men statistikker om skelsættende observationer er forbedret, hvilket til gengæld gør udseendebaseret skelsættende udvælgelse i fremtidige udflugter mere effektivt, " forklarer Bürki.

Forskerne testede den nye korthåndteringsproces i den virkelige verden under udfordrende udendørsforhold. Resultaterne af deres evalueringer var meget lovende, tyder på, at deres lette kortstyringsmekanisme kunne hjælpe med at udvikle visuelle lokaliseringssystemer til autonome køretøjer, der fungerer godt under forskellige udseendeforhold, samtidig med at de præsterer bedre ved valg af vartegn.

"Vores mest meningsfulde konstatering var, at det faktisk er muligt og praktisk gennemførligt at bygge et sådant visuelt lokaliserings- og kortlægningssystem, som a) er, og forbliver effektiv, b) er, og forbliver skalerbar, og c) leverer nøjagtig lokalisering i udendørs miljøer på lang sigt, " sagde Bürki. "En anden konstatering var, at online-udseendebaseret skelsættende udvælgelse og offline kortopsummering fungerer godt sammen og supplerer hinanden."

I fremtiden, mest højtydende autonome køretøjer vil højst sandsynligt være udstyret med 3D LiDAR-sensorer, da disse i øjeblikket forekommer væsentlige for at garantere sikkerheden og sikre, at køretøjet effektivt opfatter forhindringer i sine omgivelser, herunder fodgængere. For nylig, prisen på disse sensorer er faldet betydeligt, hvilket også kunne lette deres udbredte adoption i de kommende år.

"Vi vil nu fokusere vores forskning mere mod spørgsmålet om, hvordan LiDAR-sensorer kan bruges til at understøtte visuel lokalisering, " sagde Bürki. "Især under dårlige lysforhold, kameraer når uundgåeligt deres grænser, mens LiDAR'er også er velegnede til mørke forhold."

© 2018 Tech Xplore