ETHcavation：用于动态建筑环境全景场景理解与对象跟踪的数据集与管线
机器人学
2024-10-08 v1
摘要
建筑工地是自动化系统具有挑战性的环境，由于其非结构化特性以及动态主体（如工人和机械）的存在。本 work 提供了一套综合性的全景场景理解解决方案，旨在处理此类环境的复杂性，通过整合 2D 全景分割与 3D LiDAR 映射。我们的系统通过结合语义与几何数据，实时生成详细的环境表示，支持基于卡尔曼滤波的动态对象检测。我们介绍一种微调方法，适用于使用有限数量领域特定样本的大型预训练全景分割模型用于建筑工地应用。对于此用例，我们发布了首个标注为建筑工地全景注释的 502 个手工标注样本图像数据集。此外，我们提出了一种动态全景映射技术，以增强非结构化环境的场景理解。作为案例研究，我们演示了该系统用于自动导航，利用实时 RRT* 对动态场景进行反应式路径规划。数据集（https://leggedrobotics.github.io/panoptic-scene-understanding.github.io/）和代码（https://github.com/leggedrobotics/rsl_panoptic_mapping）均公开，可支持未来研究。
引用
@article{arxiv.2410.04250,
title = {ETHcavation: A Dataset and Pipeline for Panoptic Scene Understanding and Object Tracking in Dynamic Construction Environments},
author = {Lorenzo Terenzi and Julian Nubert and Pol Eyschen and Pascal Roth and Simin Fei and Edo Jelavic and Marco Hutter},
journal= {arXiv preprint arXiv:2410.04250},
year = {2024}
}
备注
9 pages, 7 figures, 4 tables, submitted to 2024 Australasian Conference on Robotics and Automation (ACRA 2024)