面向室内环境的高效鲁棒语义建图
机器人学
2022-03-14 v1
摘要
自主移动机器人执行高层任务必须具备的一项关键能力是对其环境的充分理解。这包括有关存在何种物体、其位于何处、空间范围如何，以及怎样到达的信息，即关于自由空间的信息也至关重要。语义地图是提供此类信息的有力工具。然而，鉴于移动机器人上资源有限，应用语义分割并以高空间分辨率构建三维地图具有挑战性。本文中，我们将语义信息融入高效的占据正态分布式变换（NDT）地图，以实现移动机器人上的实时语义建图。在公开数据集 Hypersim 上，我们表明由于其亚体素精度，语义 NDT 地图优于其他方法。我们将其与近期基于体素和语义贝叶斯空间核推断（S-BKI）的先进方法以及本文推导的其优化版本进行比较。所提出的语义 NDT 地图能以同等的细节水平表示语义，而建图速度快 2.7 至 17.5 倍。在相同栅格分辨率下，它们表现显著更优，同时建图速度快达 5 倍以上。最后，我们通过家庭应用中的定性结果证明了语义 NDT 地图在真实世界中的适用性。
引用
@article{arxiv.2203.05836,
title = {Efficient and Robust Semantic Mapping for Indoor Environments},
author = {Daniel Seichter and Patrick Langer and Tim Wengefeld and Benjamin Lewandowski and Dominik Hoechemer and Horst-Michael Gross},
journal= {arXiv preprint arXiv:2203.05836},
year = {2022}
}
备注
To be published in IEEE International Conference on Robotics and Automation (ICRA), 2022