用于 rover 导航的3D CNN语义建图评估
计算机视觉与模式识别
2020-06-18 v1 机器人学
摘要
地形评估是自主探测rover的关键方面,周围环境识别用于多种目的,如最优轨迹规划与自主目标识别。本工作中,我们提出一种生成火星环境精确三维语义地图的技术。算法以rover搭载相机获取的立体图像为输入。首先,用DeepLabv3+(一种编码器-解码器卷积神经网络(CNN))对图像标注;随后,语义分割所得标签与立体深度图在体素表示中结合。我们在ESA Katwijk Beach Planetary Rover Dataset上评估了该方法。
引用
@article{arxiv.2006.09761,
title = {Evaluation of 3D CNN Semantic Mapping for Rover Navigation},
author = {Sebastiano Chiodini and Luca Torresin and Marco Pertile and Stefano Debei},
journal= {arXiv preprint arXiv:2006.09761},
year = {2020}
}
备注
To be presented at the 7th IEEE International Workshop on Metrology for Aerospace (MetroAerospace)