基于高斯过程梯度图的非结构化行星环境闭环检测
机器人学
2020-09-02 v1 计算机视觉与模式识别
摘要
识别先前已建图位置的能力是自主系统的关键特征。非结构化类行星环境因地形相似而给这些系统带来重大挑战。结果，视觉外观的模糊性使得最先进的视觉位置识别方法不如在城市或人造环境中有效。本文提出一种仅利用空间信息解决闭环问题的方法。核心思想是使用一种新颖的地形高程图的连续概率表示。给定环境的 3D 点云，所提方法利用带线性算子的高斯过程（GP）回归生成地形高程信息的连续梯度图。随后使用传统图像配准技术搜索潜在匹配。闭环通过同时利用高程图的空间特征（SE(2) 配准）与 GP 表示的概率性质来验证。采用基于子图的定位与建图框架来证明所提方法的有效性。该流程的性能使用来自配备立体相机的 rover 的真实数据进行了评估与基准测试，该 rover 在摩洛哥和埃特纳火山具有挑战性的非结构化类行星环境中导航。
引用
@article{arxiv.2009.00221,
title = {Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments},
author = {Cedric Le Gentil and Mallikarjuna Vayugundla and Riccardo Giubilato and Wolfgang Stürzl and Teresa Vidal-Calleja and Rudolph Triebel},
journal= {arXiv preprint arXiv:2009.00221},
year = {2020}
}
备注
This work is accepted for presentation at the 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Please find IEEE's copyright statement at the bottom of the first page. Cedric Le Gentil and Mallikarjuna Vayugundla share the first authorship of this paper