基于保守自由空间估计的静态地图构建的在线动态对象移除框架——FreeDOM
机器人学
2025-04-16 v1
摘要
在线地图构建对于自动机器人在未知环境中导航至关重要。然而，动态对象的存在可能会在地图中引入瑕疵，这会显著降低定位和路径规划性能。为解决此问题，提出一种基于保守自由空间估计（FreeDOM）的用于静态地图构建的在线动态对象移除框架，包括扫描移除前端和地图细化后端。首先，我们提出一种多分辨率地图结构，用于快速计算和有效的地图表示。在扫描移除前端，我们采用射线投射增强来改进自由空间估计，并基于估计的自由空间对LiDAR扫描进行分段。在地图细化后端，我们利用增量自由空间信息进一步消除地图中的残余动态对象。实验在SemanticKITTI、HeLiMOS和室内数据集上进行，验证了该框架克服了基于可见性的方法的局限性，并在与最先进的方法相比中实现了平均F1分数提升9.7%。
引用
@article{arxiv.2504.11073,
title = {FreeDOM: Online Dynamic Object Removal Framework for Static Map Construction Based on Conservative Free Space Estimation},
author = {Chen Li and Wanlei Li and Wenhao Liu and Yixiang Shu and Yunjiang Lou},
journal= {arXiv preprint arXiv:2504.11073},
year = {2025}
}