基于高斯滤波具有空间相关性的稠密三维建图
机器人学
2018-01-24 v1
摘要
构建环境占据表示是机器人自主性的基本问题。现有许多准确高效的方法解决该问题，但大多假设地图表示中不同元素的占据状态在统计上相互独立。本文的重点是提供一种捕捉地图元素占据相关性的模型。相关性不仅对于提高精度十分重要，而且对于量化地图中的不确定性以及基于已知与未知区域间的相关性规划自主建图轨迹也十分重要。近期工作提出用高斯过程(GP)回归来捕捉协方差信息并实现无分辨率限制的占据估计。基于GP回归（或分类）的技术之缺陷在于计算复杂度随测量历史长度呈立方增长。我们的主要贡献是一种新的占据建图方法，该方法通过伯努利分布精确建模占据测量的二值特性，并提供了GP分类的高效近似，其复杂度不随时间增长。我们证明了该方法提供的估计与GP分类提供的估计之间的误差可忽略不计。所提方法使用模拟数据以及由Velodyne Puck三维距离传感器采集的真实数据进行了评估。
引用
@article{arxiv.1801.07380,
title = {Dense 3-D Mapping with Spatial Correlation via Gaussian Filtering},
author = {Ke Sun and Kelsey Saulnier and Nikolay Atanasov and George J. Pappas and Vijay Kumar},
journal= {arXiv preprint arXiv:1801.07380},
year = {2018}
}
备注
Accepted at American Control Conference 2018