以 GMM 为先验的不确定建筑模型高斯过程建图
机器人学
2023-08-30 v7
摘要
许多研究领域都需要带不确定性表示的建图，尤其是用于定位。尽管关于利用地图信息的自车机器人位姿估计不确定性已有大量研究，参考地图的质量却常被忽视。为避免由地图误差及缺乏不确定性量化引起的潜在问题，需要对地图给出充分的不确定性度量。本文提出使用高斯过程（GPs）的抽象地图表面来描述不确定建筑模型，以概率方式刻画地图不确定性。为减少针对简单平面物体的冗余计算，将从高斯混合模型（GMM）提取的面片与隐式 GP 地图相结合，并采用局部 GP 块技术。所提方法在由移动建图系统采集的城市建筑 LiDAR 点云上进行了评估。与其他方法如 OctoMap、GP 占据地图（GPOM）、贝叶斯广义核 OctoMap（BGKOctoMap）、局部自动相关性确定 Hilbert 地图（LARD-HM）和高斯隐式表面地图（GPIS）相比，我们的方法在被评估建筑上取得了更高的精确率-召回率 AUC。
引用
@article{arxiv.2212.07271,
title = {Gaussian Process Mapping of Uncertain Building Models with GMM as Prior},
author = {Qianqian Zou and Claus Brenner and Monika Sester},
journal= {arXiv preprint arXiv:2212.07271},
year = {2023}
}