基于距离与语义分割观测的主动贝叶斯多类建图
机器人学
2021-01-07 v1
摘要
许多机器人应用要求对未知非结构化环境进行自主探索与建图。基于信息的探索技术，如柯西-施瓦茨二次互信息（CSQMI）与快速香农互信息（FSMI），已成功利用距离测量实现主动二值占据建图。然而，随着我们设想机器人执行以语义有意义对象指定的复杂任务，有必要在测量、地图表示与探索目标中捕捉语义类别。本工作开发了一种利用距离-类别测量的贝叶斯多类建图算法。我们推导了多类地图与测量之间香农互信息的一个闭式、可高效计算的下界。该下界允许快速评估诸多潜在机器人轨迹以实现自主探索与建图。我们将方法与基于边界和FSMI的探索进行比较，并将其应用于三维照片级真实感仿真环境。
引用
@article{arxiv.2101.01831,
title = {Active Bayesian Multi-class Mapping from Range and Semantic Segmentation Observation},
author = {Arash Asgharivaskasi and Nikolay Atanasov},
journal= {arXiv preprint arXiv:2101.01831},
year = {2021}
}