Dynablox:复杂环境中多样动态对象的实时检测
机器人学
2023-09-27 v3
摘要
移动对象的实时检测是机器人在动态环境中自主行动的一项基本能力。因此我们提出 Dynablox,一种新颖的基于在线建图的鲁棒移动对象检测方法,适用于复杂环境。我们方法的核心思想是在机器人在线运行过程中,通过对传感、状态估计与建图局限性的建模与考量,增量式地估计高置信度的自由空间区域。这种时空保守的自由空间估计能够在不对对象或环境外观作任何假设的情况下鲁棒地检测移动对象。这使得该方法可部署于多层建筑或楼梯等复杂场景,并用于检测行人携带各类物品、门摆动甚至球滚动等多样移动对象。我们在真实世界数据集上对我们的方法进行了充分评估,在典型机器人设置下以 17 FPS 取得 86% IoU。该方法优于近期一种基于外观的分类器,并接近离线方法的性能。我们在一个包含复杂环境中罕见移动对象的新数据集上展示了其通用性。我们将高效的实现与新数据集作为开源提供。
引用
@article{arxiv.2304.10049,
title = {Dynablox: Real-time Detection of Diverse Dynamic Objects in Complex Environments},
author = {Lukas Schmid and Olov Andersson and Aurelio Sulser and Patrick Pfreundschuh and Roland Siegwart},
journal= {arXiv preprint arXiv:2304.10049},
year = {2023}
}
备注
Code released at https://github.com/ethz-asl/dynablox