OAISYS: Eine fotorealistische Geländesimulationspipeline für unstrukturierte Außenumgebungen
Dies ist die IROS2021 Präsentation unserer jüngsten Arbeit "A Photorealistic Terrain Simulation Pipeline for Unstructured Outdoor Environments" von M. G. Müller, M. Durner, A. Gawel, W. Stürzl, R. Triebel, R. Siegwart.
Zusammenfassung:
Geeignete Datensätze sind ein wesentlicher Bestandteil der Robotikforschung, insbesondere für das Training neuronaler Netze in der Roboterwahrnehmung. In vielen Bereichen sind geeignete Daten aus der realen Welt jedoch rar und nicht leicht zu beschaffen. Dieses Problem tritt vor allem bei unstrukturierten Außenumgebungen auf, insbesondere bei planetarischen Umgebungen. Jüngste Fortschritte bei fotorealistischen Simulationen helfen Forschern, realitätsnahe Daten in vielen Bereichen zu simulieren. Dennoch gibt es keine qualitativ hochwertigen synthetischen Daten für planetarische Erkundungsaufgaben. Außerdem sind die vorhandenen Simulatoren nicht so realitätsgetreu, wie es für die Generierung von Planetendaten erforderlich ist, die von Natur aus weniger strukturiert sind als menschliche Umgebungen. Synthetische Planetendaten erfordern eine sorgfältige Modellierung und Kommentierung vieler verschiedener Geländeaspekte und Details, wie z.B. Texturen und Gesteinsverteilungen, um ein wertvolles Testfeld für die Robotik zu werden. Um diese Lücke zu schließen, stellen wir einen neuartigen Simulator vor, der speziell für die Bedürfnisse der visuellen Aufgaben der Planetenrobotik entwickelt wurde, aber auch für andere Außenumgebungen geeignet ist. Unser Simulator ist in der Lage, eine große Anzahl von (planetarischen) Außenszenen zu generieren und dabei eine Vielzahl von Metadaten zu erzeugen, wie z.B. mehrstufige semantische und Instanz-Annotationen. Um die breite Anwendbarkeit dieses neuen Simulators zu demonstrieren, evaluieren wir seine Leistung bei typischen Robotikanwendungen, d.h. bei der semantischen Segmentierung, der Instanzsegmentierung und dem visuellen SLAM. Unser Simulator ist zugänglich unterhttps://github.com/DLR-RM/oaisys.
OAISYS: Eine fotorealistische Geländesimulationspipeline für unstrukturierte Außenumgebungen
OAISYS: Eine fotorealistische Geländesimulationspipeline für unstrukturierte Außenumgebungen
Dies ist die IROS2021 Präsentation unserer jüngsten Arbeit "A Photorealistic Terrain Simulation Pipeline for Unstructured Outdoor Environments" von M. G. Müller, M. Durner, A. Gawel, W. Stürzl, R. Triebel, R. Siegwart.
Zusammenfassung:
Geeignete Datensätze sind ein wesentlicher Bestandteil der Robotikforschung, insbesondere für das Training neuronaler Netze in der Roboterwahrnehmung. In vielen Bereichen sind geeignete Daten aus der realen Welt jedoch rar und nicht leicht zu beschaffen. Dieses Problem tritt vor allem bei unstrukturierten Außenumgebungen auf, insbesondere bei planetarischen Umgebungen. Jüngste Fortschritte bei fotorealistischen Simulationen helfen Forschern, realitätsnahe Daten in vielen Bereichen zu simulieren. Dennoch gibt es keine qualitativ hochwertigen synthetischen Daten für planetarische Erkundungsaufgaben. Außerdem sind die vorhandenen Simulatoren nicht so realitätsgetreu, wie es für die Generierung von Planetendaten erforderlich ist, die von Natur aus weniger strukturiert sind als menschliche Umgebungen. Synthetische Planetendaten erfordern eine sorgfältige Modellierung und Kommentierung vieler verschiedener Geländeaspekte und Details, wie z.B. Texturen und Gesteinsverteilungen, um ein wertvolles Testfeld für die Robotik zu werden. Um diese Lücke zu schließen, stellen wir einen neuartigen Simulator vor, der speziell für die Bedürfnisse der visuellen Aufgaben der Planetenrobotik entwickelt wurde, aber auch für andere Außenumgebungen geeignet ist. Unser Simulator ist in der Lage, eine große Anzahl von (planetarischen) Außenszenen zu generieren und dabei eine Vielzahl von Metadaten zu erzeugen, wie z.B. mehrstufige semantische und Instanz-Annotationen. Um die breite Anwendbarkeit dieses neuen Simulators zu demonstrieren, evaluieren wir seine Leistung bei typischen Robotikanwendungen, d.h. bei der semantischen Segmentierung, der Instanzsegmentierung und dem visuellen SLAM. Unser Simulator ist zugänglich unterhttps://github.com/DLR-RM/oaisys.
Credit: DLR (CC BY-NC-ND 3.0)
Länge: 00:13:55