GFM-Planner：基于几何特征度量的感知感知轨迹规划
机器人学
2025-07-23 v1
摘要
正如人类依赖地标进行定向一样，自主机器人依赖特征丰富的环境进行精确定位。在本文中，我们提出了 GFM-Planner，一个基于几何特征度量的感知感知轨迹规划框架，它通过引导机器人避开退化区域来提高 LiDAR 定位精度。首先，我们从基本的 LiDAR 定位问题中推导出几何特征度量(GFM)。接下来，我们设计了一个基于二维网格的度量编码图(MEM)，以在整个环境中高效存储 GFM 值。进一步提出了一种常数时间解码算法，用于从 MEM 中检索任意位姿的 GFM 值。最后，我们开发了一种感知感知轨迹规划算法，通过引导机器人选择穿过特征丰富区域的轨迹来提高 LiDAR 定位能力。仿真和真实世界实验均表明，我们的方法使机器人能够主动选择显著提高 LiDAR 定位精度的轨迹。
引用
@article{arxiv.2507.16233,
title = {GFM-Planner: Perception-Aware Trajectory Planning with Geometric Feature Metric},
author = {Yue Lin and Xiaoxuan Zhang and Yang Liu and Dong Wang and Huchuan Lu},
journal= {arXiv preprint arXiv:2507.16233},
year = {2025}
}
备注
Accepted by IROS 2025