面向结构化室内环境机器人导航的进阶情境图
机器人学
2022-11-17 v1 人工智能
摘要
移动机器人从其环境中提取信息以理解当前情境，从而实现智能决策与自主任务执行。在我们之前的工作中，我们引入了情境图(S-Graphs)的概念，其将机器人关键帧与环境几何、语义及拓扑抽象的表示结合在单一可优化图中。尽管 S-Graphs 可实时构建与优化并展示了最先进的结果，但它们受限于具有特定手工调节房间与走廊尺寸的特定结构化环境。在本工作中，我们提出了情境图(S-Graphs+)的进阶版本，其由五层可优化图组成，包括(1)带有自由空间聚类图的度量层，(2)注册机器人位姿的关键帧层，(3)由提取的平面墙壁组成的度量-语义层，(4)约束所提取平面墙壁的新颖房间层，(5)涵盖给定楼层内房间的新颖楼层层。S-Graphs+ 展现出优于 S-Graphs 的性能，高效提取房间信息的同时改善了机器人位姿估计，从而以五层环境模型的形式扩展了机器人的情境感知。
引用
@article{arxiv.2211.08754,
title = {Advanced Situational Graphs for Robot Navigation in Structured Indoor Environments},
author = {Hriday Bavle and Jose Luis Sanchez-Lopez and Muhammad Shaheer and Javier Civera and Holger Voos},
journal= {arXiv preprint arXiv:2211.08754},
year = {2022}
}
备注
4 pages, IROS 2022 Workshop Paper. arXiv admin note: text overlap with arXiv:2202.12197