DUFOMap：高效动态感知建图
机器人学
2024-04-15 v2 计算机视觉与模式识别
摘要
现实世界的动态特性是机器人技术面临的主要挑战之一。应对这一挑战的第一步是检测世界的哪些部分是动态的。一个典型的基准任务是创建仅包含世界静态部分的地图，以支持定位和规划等任务。当前的解决方案通常应用于后处理，其中参数调整允许用户针对特定数据集调整设置。在本文中，我们提出了 DUFOMap，一种专为高效在线处理设计的新型动态感知建图框架。尽管在所有场景中使用相同的参数设置，其表现仍优于或与最先进的方法相当。我们利用光线投射来识别和分类完全观测到的空白区域。由于这些区域已被观测为空白，因此在其他时间位于其中的任何物体必然是动态的。评估在各种场景中进行，包括 KITTI 和 Argoverse 2 中的室外环境、KTH 校园的开阔区域，以及使用不同的传感器类型。DUFOMap 在准确性和计算效率方面均优于最先进技术。源代码、基准测试及所用数据集的链接均已提供。更多详情请见 https://kth-rpl.github.io/dufomap。
引用
@article{arxiv.2403.01449,
title = {DUFOMap: Efficient Dynamic Awareness Mapping},
author = {Daniel Duberg and Qingwen Zhang and MingKai Jia and Patric Jensfelt},
journal= {arXiv preprint arXiv:2403.01449},
year = {2024}
}
备注
The first two authors hold equal contribution. 8 pages, 7 figures, project page https://kth-rpl.github.io/dufomap