学习时空占用栅格地图以实现动态场景中的终身导航
机器人学
2021-09-17 v2
摘要
我们提出了一种用于生成、预测和使用时空占用栅格地图（SOGM）的新方法，该地图嵌入了动态场景的未来信息。我们的自动化生成过程从先前的导航数据中创建真实 SOGM。我们基于先前的工作，根据激光雷达点的动态属性对其进行标注，然后将其投影到带时间戳的二维栅格上：即 SOGM。我们设计了一个 3D-2D 前馈架构，以 3D 激光雷达帧作为输入，训练其预测 SOGM 的未来时间步。我们的流程完全自监督，因此能够实现机器人的终身学习。该网络由一个 3D 后端和一个 2D 前端组成，3D 后端提取丰富特征并实现激光雷达帧的语义分割，2D 前端预测嵌入在 SOGM 中的未来信息以供规划使用。我们还设计了一个使用这些预测 SOGM 的导航流程。我们提供了对预测的定量和定性见解，并通过与现有技术水平的比较和消融研究验证了我们的网络设计选择。
引用
@article{arxiv.2108.10585,
title = {Learning Spatiotemporal Occupancy Grid Maps for Lifelong Navigation in Dynamic Scenes},
author = {Hugues Thomas and Matthieu Gallet de Saint Aurin and Jian Zhang and Timothy D. Barfoot},
journal= {arXiv preprint arXiv:2108.10585},
year = {2021}
}