基于 GRU 估计运动流预测二维激光雷达地图
机器人学
2019-02-20 v1 计算机视觉与模式识别
摘要
预测下一时刻的二维 LiDAR 地图对于机器人导航与路径规划是一个重要问题。为解决该问题，我们求助于相邻地图间的运动流，因为运动流是处理和分析动态数据的有力工具，在视频处理中被称为光流。然而，与视频每帧包含丰富视觉特征不同，二维 LiDAR 地图缺乏显著的局部特征。为缓解此挑战，我们受深度神经网络在估计视频光流中强大表示学习能力的启发，提出基于深度神经网络估计运动流。为此，我们设计了一个基于门控循环单元（gated recurrent unit）的循环神经网络，命名为 LiDAR-FlowNet。由于循环神经网络可编码时间动态信息，我们的 LiDAR-FlowNet 仅通过当前帧与前几帧即可估计当前地图与未知下一地图之间的运动流。进一步设计了自监督策略以有效训练 LiDAR-FlowNet 模型，且无需人工标注训练数据。借助估计的运动流，可直接预测下一时刻的二维 LiDAR 地图。实验结果验证了我们的 LiDAR-FlowNet 及所提训练策略的有效性。预测的 LiDAR 地图结果也显示了我们基于运动流方法的优势。
引用
@article{arxiv.1902.06919,
title = {2D LiDAR Map Prediction via Estimating Motion Flow with GRU},
author = {Yafei Song and Yonghong Tian and Gang Wang and Mingyang Li},
journal= {arXiv preprint arXiv:1902.06919},
year = {2019}
}