FFI-VTR：基于特征流指示器和概率运动规划的轻量级可靠视觉教学-重复导航
机器人学
2025-07-18 v1
摘要
虽然视觉和重复导航是移动机器人自我导航的便利方案，但在任务环境中实现效率与鲁棒性之间的平衡仍然是挑战。本文提出了一种新颖的视觉和重复机器人自主导航方法，无需精确定位和稠密重建模块，从而使系统具有轻量级和鲁棒性特点。首先，引入特征流，并开发了特征流与机器人运动之间的定性映射，其中特征流定义为匹配特征之间的像素位置偏差。基于该映射模型，教学阶段输出的地图表示为关键帧图，在该图中，边上的特征流编码了相邻关键帧之间的相对运动。其次，将视觉重复导航本质上建模为当前观察与地图关键帧之间的特征流最小化问题。为了在没有精确定位的情况下持续减少当前帧与地图关键帧之间的特征流，我们基于定性特征流-运动映射指示器开发了概率运动规划。广泛的实验使用我们的移动平台表明，我们提出的方法轻量、鲁棒且优于基线。源代码已在 https://github.com/wangjks/FFI-VTR 上公开，以惠及社区。
引用
@article{arxiv.2507.12800,
title = {FFI-VTR: Lightweight and Robust Visual Teach and Repeat Navigation based on Feature Flow Indicator and Probabilistic Motion Planning},
author = {Jikai Wang and Yunqi Cheng and Zonghai Chen},
journal= {arXiv preprint arXiv:2507.12800},
year = {2025}
}