基于RGB数据与安全保持损失的户外机器人可通行性估计域适应
计算机视觉与模式识别
2020-09-17 v1 机器人学
摘要
能够估计移动机器人周围区域的可通行性是设计导航算法的一项基本任务。然而，该任务通常很复杂，因为它需要评估与障碍物的距离、地形的类型和坡度，并处理由于透视导致的检测距离中非明显的间断。在本文中，我们提出一种基于深度学习的方法，用于估计和预测车载RGB相机视场中不同路径的通行得分。所提出模型的骨干基于最先进的深度分割模型，并在预测路径可通行性的任务上进行了微调。然后我们通过以下方式增强模型能力：a)通过梯度反转无监督适应解决域偏移；b)考虑移动机器人的特定安全要求，通过鼓励模型偏向安全一侧，即相比那些导致机器人提前停止的错误，对会导致与障碍物碰撞的错误施加更重的惩罚。实验结果表明，我们的方法能够满意地识别可通行区域并泛化到未见过的地点。
引用
@article{arxiv.2009.07565,
title = {Domain Adaptation for Outdoor Robot Traversability Estimation from RGB data with Safety-Preserving Loss},
author = {Simone Palazzo and Dario C. Guastella and Luciano Cantelli and Paolo Spadaro and Francesco Rundo and Giovanni Muscato and Daniela Giordano and Concetto Spampinato},
journal= {arXiv preprint arXiv:2009.07565},
year = {2020}
}
备注
Accepted at IROS 2020