基于高斯过程的精确距离场及其在回声定位与建图中的应用
机器人学
2023-12-21 v3
摘要
本文提出一种利用高斯过程（GP）回归从含噪点云估计距离场的新方法。距离场或距离函数在点云配准、里程计、SLAM、路径规划、形状重建等应用中日益流行。距离场提供场景的连续表示，定义为任意查询点到最近表面的最短距离。所提方法的核心概念是通过使用与核逆相关的回复函数，将 GP 推断的潜在标量场转换为精确距离场。该潜在场可解释为平滑占据图。本文给出所提方法的理论推导以及一种用于距离估计的新不确定性代理。仿真实验证明了相比现有距离场的性能提升。所提方法的高精度使其能支持依赖精确距离估计的新应用：本工作提出了针对金属结构中超声导波传感的回声定位与建图框架。这些方法利用所提距离场与基于物理的测量模型，该模型考虑了超声在材料中的传播。通过真实实验验证了这些框架的合理性。
引用
@article{arxiv.2302.13005,
title = {Accurate Gaussian-Process-based Distance Fields with applications to Echolocation and Mapping},
author = {Cedric Le Gentil and Othmane-Latif Ouabi and Lan Wu and Cedric Pradalier and Teresa Vidal-Calleja},
journal= {arXiv preprint arXiv:2302.13005},
year = {2023}
}