面向机器人导航的基于图像的场景识别：可穿越植物考量与无人工标注训练

本文描述了一种针对在植物丰富环境中作业的移动机器人，估计覆盖路径的植物部分可穿越性并穿越它们的方法。传统移动机器人依赖仅考虑环境几何信息的场景识别方法。因此，当路径被柔性植物覆盖时，这些方法无法将路径识别为可穿越。本文提出一种基于图像的场景识别新框架，以实现在此类植物丰富环境中的导航。我们的识别模型利用一个用于通用物体分类的语义分割分支和一个用于估计逐像素可穿越性的可穿越性估计分支。语义分割分支使用无监督域自适应方法训练，可穿越性估计分支使用在数据获取阶段由机器人穿越经验生成的标签图像（称为可穿越性掩码）训练。因此，整个模型的训练过程无需人工标注。在我们的实验中，我们表明所提出的识别框架比带有可穿越植物和不可穿越植物类别的传统语义分割以及现有的基于图像的可穿越性估计方法能更准确地区分可穿越植物。我们还进行了真实世界实验，确认采用所提识别方法的机器人成功在植物丰富环境中导航。