FLAF：焦线与特征约束的主动视角规划用于视觉示教与重复
机器人学
2025-07-16 v5
摘要
本文提出了 FLAF，一种焦线与特征约束的主动视角规划方法，用于避免移动机器人基于特征的视觉导航中的跟踪失败。我们基于 FLAF 的视觉导航构建在基于特征的视觉示教与重复（VT&R）框架之上，该框架通过示教机器人在覆盖日常自主导航需求重要部分的各类路径上行驶，支持许多机器人应用。然而，人造环境中无纹理区域导致的基于特征的视觉同步定位与建图（VSLAM）的跟踪失败，仍限制着 VT&R 在真实世界中的应用。为解决此问题，所提出的视角规划器被集成到基于特征的视觉 SLAM 系统中，以构建一个避免跟踪失败的主动 VT&R 系统。在我们的系统中，移动机器人上安装了一个基于云台（PTU）的主动相机。使用 FLAF，基于主动相机的 VSLAM 在示教阶段运行以构建完整的路径地图，并在重复阶段维持稳定的定位。FLAF 在路径学习期间将机器人朝向更多地图点以避免建图失败，并在沿已学轨迹行进时朝向更有利于定位的特征可识别地图点。真实场景下的实验表明，FLAF 优于未考虑特征可识别性的方法，且我们的主动 VT&R 系统通过有效处理低纹理区域在复杂环境中表现良好。
引用
@article{arxiv.2409.03457,
title = {FLAF: Focal Line and Feature-constrained Active View Planning for Visual Teach and Repeat},
author = {Changfei Fu and Weinan Chen and Wenjun Xu and Hong Zhang},
journal= {arXiv preprint arXiv:2409.03457},
year = {2025}
}