一种用于动态占据栅格地图的随机有限集方法及其实时应用
机器人学
2016-09-13 v2
摘要
栅格地图是机器人与汽车应用中环境感知的成熟方法。早期工作建议使用贝叶斯滤波器估计机器人环境中每个栅格单元的占据状态，以递归地组合新测量值与每个栅格单元的当前后验状态估计。该滤波器常被称为二元贝叶斯滤波器（BBF）。经典占据栅格地图的一个基本假设是静止环境。近期出版物描述了自底向上的方法，使用粒子表示栅格单元的动态状态，并以启发式方式概述预测-更新递归。本文将多个栅格单元的状态定义为随机有限集，从而允许将环境建模为具有多个障碍物的随机动态系统，并由随机测量系统观测。它以自顶向下的方式引出了一种称为概率假设密度/多实例伯努利（PHD/MIB）滤波器的原始滤波器。本文给出了一个作为激光与雷达传感器数据融合层的实时应用，并详细描述了一种高效的并行粒子滤波器实现。定量评估表明，随机过程模型的参数按理论预期影响滤波结果，且恰当的过程与观测模型提供一致的状态估计结果。
引用
@article{arxiv.1605.02406,
title = {A Random Finite Set Approach for Dynamic Occupancy Grid Maps with Real-Time Application},
author = {Dominik Nuss and Stephan Reuter and Markus Thom and Ting Yuan and Gunther Krehl and Michael Maile and Axel Gern and Klaus Dietmayer},
journal= {arXiv preprint arXiv:1605.02406},
year = {2016}
}